面向交互式 3D 模型的文本引导可控网格细化

我们提出了一种新方法，用于根据文本提示为输入粗糙 3D 网格添加几何细节。我们的方法由三个阶段组成。首先，我们根据输入粗糙几何和输入文本提示生成单个 RGB 视图图像。这一单视图图像生成步骤允许用户预视结果，并为后续多视图生成提供更强的条件。其次，我们使用我们新颖的多视图法线生成体系结构联合生成六个不同视图的法线图像。联合视图生成减少了不一致性并导致更锐利的细节。最后，我们根据所有视图优化网格并生成细节丰富的几何作为输出。 resulting method 在几秒钟内产生输出，并提供对粗糙结构、姿态以及所需细节的显式用户控制。