ZeroForge：无需 3D 监督的前馈文本到形状生成
计算机视觉与模式识别
2023-06-19 v2
摘要
当前最先进的文本到形状生成方法要么需要使用预定义 3D 形状标注数据集进行监督训练，要么在推理时对隐式神经表示进行昂贵的优化。本文提出 ZeroForge，一种避免上述两种缺陷的零样本文本到形状生成方法。为实现开放词汇形状生成，我们需要对现有前馈方法进行细致的架构适配，并结合无数据 CLIP 损失与对比损失以避免模式崩溃。利用这些技术，我们大幅扩展了现有前馈文本到形状模型（如 CLIP-Forge）的生成能力。我们通过大量定性与定量评估验证了所提方法。
引用
@article{arxiv.2306.08183,
title = {ZeroForge: Feedforward Text-to-Shape Without 3D Supervision},
author = {Kelly O. Marshall and Minh Pham and Ameya Joshi and Anushrut Jignasu and Aditya Balu and Adarsh Krishnamurthy and Chinmay Hegde},
journal= {arXiv preprint arXiv:2306.08183},
year = {2023}
}
备注
19 pages, High resolution figures needed to demonstrate 3D results