DreamGaussianでimage to 3D
DreamGaussian Colab 🥳 (Text-to-3D, Image-to-3D) Thanks to Jiaxiang Tang ❤ Jiawei Ren ❤ Hang Zhou ❤ Ziwei Liu ❤ Gang Zeng ❤
— camenduru (@camenduru) September 29, 2023
🌐page: https://t.co/uuuVZrs0ms
📄paper: https://t.co/FjSD1DkjXo
🧬code: https://t.co/wlrvXlFYdC
🦒colab: please try it 🐣 https://t.co/LWt222ECyd pic.twitter.com/FppVQ4KPej
google翻訳しました。
DreamGaussian: 効率的な 3D コンテンツ作成のための生成ガウス スプラッティング
３D コンテンツ作成における最近の進歩は、主にスコア蒸留サンプリング (SDS) による最適化ベースの 3D 生成を活用しています。有望な結果が示されていますが、これらの方法はサンプルごとの最適化が遅いことが多く、実際の使用が制限されます。本稿ではDreamGaussianを提案するは、効率と品質を同時に実現する新しい 3D コンテンツ生成フレームワークです。私たちの重要な洞察は、UV 空間でのメッシュ抽出とテクスチャ リファインメントを伴う生成 3D ガウス スプラッティング モデルを設計することです。Neural Radiance Fields で使用される占有枝刈りとは対照的に、3D 生成タスクでは 3D ガウスの漸進的高密度化が大幅に高速に収束することを示します。テクスチャの品質をさらに向上させ、下流のアプリケーションを容易にするために、3D ガウスをテクスチャ メッシュに変換し、詳細を調整する微調整ステージを適用する効率的なアルゴリズムを導入します。広範な実験により、私たちが提案したアプローチの優れた効率と競争力のある発電品質が実証されました。特に、
収束速度
私たちの方法は、良好な生成品質を維持しながら、画像から 3D への変換に 2 分以内に収束します。
githubからGoogle Colabで試してみました。
DreamGaussian image-to-3D demo pic.twitter.com/GvzHRa4bXH
— suigyu (@snUNw6HPAVERiXs) September 29, 2023
不思議な感じだ https://t.co/GPXMivA89T pic.twitter.com/ZA4ceihRw3
— suigyu (@snUNw6HPAVERiXs) September 29, 2023
DreamGaussian image-to-3D demo https://t.co/GPXMivzAkl pic.twitter.com/oCM5wVd4dI
— suigyu (@snUNw6HPAVERiXs) September 29, 2023
オモロい