Tune-Your-Style：基于 Gaussian Splatting 的强度可调 3D 风格迁移

3D 风格迁移指的是根据参考风格图像对 3D 资产进行艺术化风格化。最近，基于 3DGS 的风格化方法因其显著提升的训练和渲染速度而引起广泛关注。然而，3D 风格迁移的一个关键挑战是，在内容与风格的图案和颜色之间取得平衡。虽然现有方法努力实现相对平衡的结果，但固定输出范式难以适应不同用户对内容-风格平衡的多样化需求。本文引入一种创新的强度可调 3D 风格迁移范式，称为 Tune-Your-Style，允许用户灵活调整注入场景的风格强度，以匹配其期望的内容-风格平衡，从而增强 3D 风格迁移的可定制性。为实现此目标，我们首先引入高斯神经元，显式建模风格强度，并参数化一个可学习的风格调谐器，以实现强度可调的风格注入。为促进可调风格化的学习，我们进一步提出了可调风格化指导，通过跨视图风格对齐获取来自扩散模型的多视图一致风格化视图，然后采用两阶段优化策略，通过调节全风格指导与初始渲染的零风格指导之间的平衡，提供稳定且高效的指导。广泛实验表明，我们的方法不仅能提供视觉上令人满意的结果，而且在 3D 风格迁移方面表现出灵活的可定制性。项目页面可在 https://zhao-yian.github.io/TuneStyle 查看。