VPP：通过体素-点渐进表示实现高效条件 3D 生成
计算机视觉与模式识别
2023-10-23 v2
摘要
条件 3D 生成正经历显著进展，使得从文本或 2D 图像等输入自由创建 3D 内容成为可能。然而，先前方法存在推理效率低、生成类别有限及下游应用受限的问题。本工作中，我们重新审视不同 3D 表示对生成质量与效率的影响，提出一种通过体素-点渐进表示（VPP）的渐进生成方法。VPP 在提出的体素语义生成器中利用结构化体素表示，在点上采样器中利用非结构化点表示的稀疏性，实现多类别物体的高效生成。VPP 可在 0.2 秒内生成高质量 8K 点云。此外，掩码生成 Transformer 支持多种 3D 下游任务，如生成、编辑、补全与预训练。大量实验表明，VPP 高效生成跨类别的高保真多样 3D 形状，并展现优异的表示迁移性能。代码将发布于 \url{https://github.com/qizekun/VPP}。
引用
@article{arxiv.2307.16605,
title = {VPP: Efficient Conditional 3D Generation via Voxel-Point Progressive Representation},
author = {Zekun Qi and Muzhou Yu and Runpei Dong and Kaisheng Ma},
journal= {arXiv preprint arXiv:2307.16605},
year = {2023}
}
备注
Accepted at NeurIPS 2023