在数十亿图像文本对上训练的扩散模型推动了文本到图像合成的最新突破。将这种方法应用于 3D 合成将需要标记 3D 资产的大规模数据集和用于去噪 3D 数据的高效架构，而这两者目前都不存在。在这项工作中，我们通过使用预训练的 2D 文本到图像扩散模型来执行文本到 3D 合成来规避这些限制。我们引入了一种基于概率密度蒸馏的损失，它可以使用 2D 扩散模型作为参数图像生成器优化的先验。在类似 DeepDream 的过程中使用这种损失，我们通过梯度下降优化随机初始化的 3D 模型（神经辐射场或 NeRF），使其从随机角度的 2D 渲染实现低损失。给定文本的生成的 3D 模型可以从任何角度查看，通过任意照明重新点亮，或合成到任何 3D 环境中。我们的方法不需要 3D 训练数据，也不需要修改图像扩散模型，证明了预训练图像扩散模型作为先验模型的有效性。
数据统计
数据评估
关于DreamFusion特别声明
本站多啦咪新媒体创作导航提供的DreamFusion都来源于网络，不保证外部链接的准确性和完整性，同时，对于该外部链接的指向，不由多啦咪新媒体创作导航实际控制，在2023年8月31日 下午2:21收录时，该网页上的内容，都属于合规合法，后期网页的内容如出现违规，可以直接联系网站管理员进行删除，多啦咪新媒体创作导航不承担任何责任。
相关导航
暂无评论...
多啦咪新媒体创作导航资源站，直播推流工具、集网址、资源、直播教程于一体的 多啦咪导航站，全新升级抖音快手软件工具资源导航，免费更新更多直播相关的工具及教程
