扰动-修正：基于生成轨迹的灵活3D编辑
计算机视觉与模式识别
2025-03-21 v2
摘要
近期文本到扩散模型的进展推动了3D重建和文本3D编辑的进步。尽管现有3D编辑方法在修改颜色、纹理和风格方面表现优异，但在进行大幅几何或外观变更时仍受限，限制了实际应用。为此，我们提出扰动-修正（Perturb-and-Revise），实现多种NeRF编辑。首先，我们通过随机初始化扰动NeRF参数以创建通用的初始化。扰动程度通过分析局部损失景观自动确定。随后，我们通过生成轨迹修订编辑后的NeRF。结合生成过程，我们施加恒等性保持梯度以细化编辑后的NeRF。大量实验表明，扰动-修正实现了颜色、外观和几何在3D中的灵活、有效且一致的编辑。关于360{\deg}结果，请访问我们的项目页面：https://susunghong.github.io/Perturb-and-Revise。
引用
@article{arxiv.2412.05279,
title = {Perturb-and-Revise: Flexible 3D Editing with Generative Trajectories},
author = {Susung Hong and Johanna Karras and Ricardo Martin-Brualla and Ira Kemelmacher-Shlizerman},
journal= {arXiv preprint arXiv:2412.05279},
year = {2025}
}
备注
CVPR 2025. Project page: https://susunghong.github.io/Perturb-and-Revise