LegközelebbKövetkező útmutató
Regénynézet szintézis
Vizuális AI
Vizuális MI ÚTMUTATÓ
A nulla 1-től 3-ig egy objektum egyetlen fényképét ugyanazon objektum képeivé alakítja, bármilyen új szögből nézve, egy diffúziós modellt használva, amely a kamera kért elforgatásától függ.
Hallgassa meg ezt az útmutatótAI-narrált · ~2 min
It matters because it lets you reconstruct 3D-consistent views without ever scanning the object from multiple sides.
A Zero-1-to-3 (Columbia, 2023) finomhangolja a stabil diffúziót, így egyetlen bemeneti képről nulla felvételű újszerű nézetszintézist hajthat végre. Egyetlen képet, plusz egy relatív kameratranszformációt (egy elforgatást és egy kis fordítást) ad hozzá, és a modell létrehozza, hogyan nézne ki az objektum abból az új nézőpontból. A kulcsötlet az, hogy a nagyméretű 2D-s diffúziós modellek, amelyeket hatalmas webes képgyűjteményekre képeztek ki, implicit módon elnyelték a geometriai és fizikai prioritásokat arról, hogyan néznek ki az objektumok 3D-ben. A számos ellenőrzött kameraállásból renderelt objektumok szintetikus adatkészletének finomhangolásával (az Objaverse használatával) a modell megtanulja leképezni ezeket az előzőeket az explicit kameravezérlésre. A generált nézetek ezután továbbíthatják a 3D rekonstrukciót.
A lemezjátszó nézeteinek létrehozása egyetlen termékfotóról, így az e-kereskedelmi listán minden oldalról megjelenítheti a tételt
Egy objektum texturált 3D-s hálójának beindítása egy hétköznapi telefonos pillanatfelvételből AR-előnézetekhez
Egy karakter vagy kellék konzisztens többszögű referenciaművészete létrehozása játék- és filmkoncepció művészek számára
Szintetizált új nézetek betáplálása NeRF vagy Gauss-Splatting rekonstrukcióba, hogy kitöltse a láthatatlan geometriát
A Zero-1-to-3 kép-3D folyamatok hullámát indította el. Az olyan utódok, mint a Zero123-XL, a SyncDreamer és a One-2-3-45 a többnézetű konzisztencia és a gyorsabb, megbízhatóbb 3D mesh kimenet felé törekednek, míg a Gaussian Splatting és a nagy rekonstrukciós modellekkel való integráció percekről másodpercekre csökkenti a generálási időt. Szorosabb nézetkonzisztenciára, nagyobb felbontásra és valós (nem csak szintetikus objektumokra vonatkozó) általánosításra számíthat, mivel ezek a nézőpont-vezérelhető diffúziós modellek a tartalomkészítés szabványos eszközévé válnak.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
A nulla 1-től 3-ig egy objektum egyetlen fényképét ugyanazon objektum képeivé alakítja, bármilyen új szögből nézve, egy diffúziós modellt használva, amely a kamera kért elforgatásától függ. Ez azért fontos, mert lehetővé teszi a 3D-konzisztens nézetek rekonstruálását anélkül, hogy az objektumot több oldalról is be kellene vizsgálni.
A nulla 1-től 3-ig feltétele egyetlen kép, valamint egy relatív kamerapóz, így Ön határozza meg az elforgatást és a kívánt nézőpontra történő fordítást.
Finomhangol egy nagy előre betanított 2D diffúziós modellt, így képes kihasználni a webes képekből implicit módon megtanult modellek geometriai előzményeit.
A nagyszabású 2D képzés implicit tudást ad arról, hogy az objektumok hogyan jelennek meg 3D-ben, amit a finomhangolás a kamera pózán keresztül vezérelhetővé tesz.
Kép-póz-kép hármasokra képezték, amelyeket nagy szintetikus 3D-s objektumgyűjteményekből, például az Objaverse-ből rendereltek le.
A nyers kép csatorna-összefűzve van a zajos látenshez (a szemantikai célú CLIP beágyazás mellett), így az azonosság és a részletek áthaladnak.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Regénynézet szintézis
Vizuális AI