SeterusnyaPanduan seterusnya
Penjanaan Teks-ke-3D
AI Visual
PANDUAN AI Visual
Magic3D is a research method for text-to-3D synthesis that uses a coarse-to-fine optimization pipeline.
Dengar panduan iniAI-diceritakan · ~2 min
It starts with a fast coarse neural field and then refines a textured mesh using a high-resolution latent diffusion prior. The paper reports higher resolution and faster optimization than DreamFusion in its experiments; results and runtime depend on the setup.
Magic3D (Lin et al., 2022) addresses the slow optimization and low-resolution image supervision of DreamFusion with two stages. The coarse stage uses a low-resolution diffusion prior and a sparse 3D hash-grid neural field to estimate geometry. The result initializes a textured triangle mesh that is refined with differentiable rasterization and a high-resolution latent diffusion prior. The authors report generating high-quality meshes in about 40 minutes, approximately twice as fast as their DreamFusion comparison, while producing higher-resolution output. These are reported experimental runtimes and quality comparisons, not a guaranteed result for every prompt or implementation.
Menjana jaringan bertekstur boleh diedit 'katak dart beracun biru pada teratai' daripada gesaan
Menghasilkan prop 3D beresolusi tinggi untuk permainan lebih pantas daripada DreamFusion
Pengeditan berasaskan segera di mana menukar teks menggayakan semula model 3D sedia ada
Mengeksport jejaring ke dalam Blender atau enjin permainan untuk pembersihan artis dan animasi
Magic3D adalah contoh penggabungan medan tidak tersurat dan permukaan tersurat dalam penyelidikan teks-ke-3D. Kaedah-kaedah seterusnya mengkaji penjanaan yang lebih cekap, konsistensi pelbagai pandangan, dan output berasaskan rangkaian atau titik. Hasil penyelidikan harus dibandingkan di bawah resolusi, prompt, perkakasan, dan protokol penilaian yang sama.
Newsletter percuma
Tiga cerita AI yang disahkan setiap pagi hari bekerja, ditulis dalam Bahasa Inggeris biasa. Percuma selamanya, tiada iklan.
Satu e-mel setiap hari bekerja. Berhenti melanggan dalam satu klik. Kami tidak pernah menjual atau berkongsi alamat anda.
Uji diri anda
Maklum balas segera pada setiap jawapan, dan sijil yang boleh dikongsi dengan ID yang boleh disahkan sebaik sahaja anda lulus kursus.
Sokong pendidikan AI percuma. AI Understanding ialah pertubuhan bukan keuntungan 501(c)(3) — tiada iklan, tiada bayaran dinding, selamanya. Buat derma
Magic3D adalah kaedah penyelidikan untuk sintesis teks-ke-3D yang menggunakan pipeline optimisasi kasar-ke-halal. Ia bermula dengan medan neural kasar yang pantas dan kemudian memperhalusi rangkaian bertekstur menggunakan pra-difusi latensi resolusi tinggi. Kertas ini melaporkan resolusi lebih tinggi dan optimisasi lebih pantas berbanding DreamFusion dalam eksperimennya; keputusan dan masa berjalan bergantung pada set-up.
Magic3D menggunakan peringkat kasar untuk geometri kasar pantas dan peringkat halus untuk perincian resolusi tinggi.
Medan kasar ditukar kepada mesh, kemudian ditapis dengan rasterisasi boleh dibezakan pada resolusi tinggi.
Medan neural grid cincang yang pantas membolehkan Magic3D mengosongkan geometri dengan cepat pada peleraian rendah.
Pengarang melaporkan kira-kira 40 minit untuk Magic3D berbanding kira-kira 1.5 jam untuk DreamFusion dalam perbandingan mereka, kira-kira peningkatan kelajuan 2×; ia bergantung pada set-up.
Resapan ruang terpendam (gaya Resapan Stabil) membolehkan Magic3D membimbing butiran 512 kelas tanpa kos pemaparan ruang piksel penuh.
Teruskan belajar
Lebih banyak panduan dipilih untuk topik ini
SeterusnyaPanduan seterusnya
Penjanaan Teks-ke-3D
AI Visual