用于高质量 3D 生成的稳定分数蒸馏
计算机视觉与模式识别
2024-02-08 v2
摘要
尽管分数蒸馏采样 (SDS) 在条件 3D 内容生成中表现出卓越性能，但对其公式化的全面理解仍然缺乏，阻碍了 3D 生成的发展。在本文中，我们将 SDS 分解为三个功能组件的组合，即模式搜索项、模式解耦项和方差缩减项，并分析了各自的性质。我们指出，过度平滑和不合理等问题源于前两项的内在缺陷，并提出了一种比 SDS 引入的项更先进的方差缩减项。基于该分析，我们提出了一种简单而有效的方法，名为稳定分数蒸馏 (SSD)，该方法策略性地协调各项以实现高质量 3D 生成，并可轻松整合到各种 3D 生成框架和 3D 表示中。大量实验验证了我们方法的有效性，证明其能够生成高保真度的 3D 内容，而不会陷入过度平滑等问题。
引用
@article{arxiv.2312.09305,
title = {Stable Score Distillation for High-Quality 3D Generation},
author = {Boshi Tang and Jianan Wang and Zhiyong Wu and Lei Zhang},
journal= {arXiv preprint arXiv:2312.09305},
year = {2024}
}