基于 Jensen-Shannon 距离的文本到 3D 生成
计算机视觉与模式识别
2025-08-25 v3 人工智能
摘要
得分蒸馏抽样是一种有效的技术，用于从文本提示生成 3D 模型，利用预训练的大规模文本到图像扩散模型作为指导。然而，生成的 3D 资产倾向于过饱和、过平滑，且多样性有限。这些问题源于反向 Kullback-Leibler (KL) 散度目标，导致优化过程不稳定，产生模式寻求行为。本文推导了基于 Jensen-Shannon 散度 (JSD) 的有界得分蒸馏目标，该目标稳定了优化过程并产生高质量的 3D 生成。JSD 能够较好地匹配生成分布和目标分布，从而缓解模式寻求。我们利用生成对抗网络的理论，构建 JSD 的实际实现，假设判别器已训练良好。通过假设判别器遵循对数几率分类器，我们提出了一种少数抽样算法来估计我们所提出目标的梯度，为 JSD 提供了实际的实现。我们进行了理论和实证研究以验证该方法。在 T3Bench 上的实验结果表明，我们的方法能够产生高质量且多样化的 3D 资产。
引用
@article{arxiv.2503.10660,
title = {Text-to-3D Generation using Jensen-Shannon Score Distillation},
author = {Khoi Do and Binh-Son Hua},
journal= {arXiv preprint arXiv:2503.10660},
year = {2025}
}