目标平衡得分蒸馏
计算机视觉与模式识别
2025-11-18 v1 图像与视频处理
摘要
得分蒸馏采样（SDS）通过从预训练的2D文本到图像扩散模型中蒸馏先验，实现3D资产生成，但基础SDS存在过饱和与过平滑问题。为缓解此问题，近期变体已纳入负面提示词。然而，这些方法面临关键权衡：纹理优化受限，或纹理显著提升伴随形状畸变。在本工作中，我们首次进行系统性分析，揭示该权衡本质上取决于负面提示词的运用方式，其中嵌入目标信息的目标负面提示词（Target Negative Prompts, TNP）显著提升纹理真实性与保真度，但会引发形状畸变。基于此关键洞见，我们引入目标平衡得分蒸馏（Target-Balanced Score Distillation, TBSD）。该方法将生成建构为多目标优化问题，引入自适应策略有效解决上述权衡。广泛实验表明，TBSD显著优于现有最先进方法，生成的3D资产在纹理保真度与几何准确形状方面均表现出色。
引用
@article{arxiv.2511.11710,
title = {Target-Balanced Score Distillation},
author = {Zhou Xu and Qi Wang and Yuxiao Yang and Luyuan Zhang and Zhang Liang and Yang Li},
journal= {arXiv preprint arXiv:2511.11710},
year = {2025}
}