StyleSplat：基于高斯溅写的 3D 物体风格迁移
计算机视觉与模式识别
2024-07-15 v1
摘要
近期的辐射场技术进展为创建高质量的 3D 资产和场景开辟了新的途径。风格迁移可以为这些 3D 资产注入多样化的艺术风格，从而改变创造表达。然而，现有技术往往速度较慢，或无法将风格迁移局部化到特定物体。我们介绍 StyleSplat，这是一种用于从参考风格图像中对 3D 高斯表示的场景中的 3D 物体进行风格化的轻量级方法。我们的做法首先使用 3D 高斯溅写学习场景的照片写实表示，同时对单个 3D 物体进行分割。随后，我们使用最近邻特征匹配损失微调所选物体的高斯，以确保其球面谱系系数与风格图像一致并具有视觉吸引力。StyleSplat 允许对场景中多个物体进行快速、可定制的风格迁移，每个物体都可以采用不同的风格。我们在各种 3D 场景和风格上展示了其有效性，凸显了在 3D 创建中增强的控制力和定制能力。
引用
@article{arxiv.2407.09473,
title = {StyleSplat: 3D Object Style Transfer with Gaussian Splatting},
author = {Sahil Jain and Avik Kuthiala and Prabhdeep Singh Sethi and Prakanshul Saxena},
journal= {arXiv preprint arXiv:2407.09473},
year = {2024}
}
备注
for code and results, see http://bernard0047.github.io/stylesplat