详细内容或原文请订阅后点击阅览
使用生成式 AI 创建逼真 3D 形状的新方法
研究人员提出了一种对现有技术的简单修复方法，可以帮助艺术家、设计师和工程师创建更好的 3D 模型。
来源:MIT新闻 - 人工智能为虚拟现实、电影制作和工程设计等应用创建逼真的 3D 模型可能是一个繁琐的过程，需要大量的手动反复试验。
虽然用于图像的生成人工智能模型可以通过让创作者根据文本提示制作逼真的 2D 图像来简化艺术创作过程，但这些模型并非设计用于生成 3D 形状。 为了弥补这一差距，最近开发的一种名为 Score Distillation 的技术利用 2D 图像生成模型来创建 3D 形状，但其输出结果往往模糊或卡通化。
Score Distillation麻省理工学院的研究人员探索了用于生成 2D 图像和 3D 形状的算法之间的关系和差异，确定了 3D 模型质量较低的根本原因。 在此基础上，他们设计了一个简单的 Score Distillation 修复程序，可以生成清晰、高质量的 3D 形状，其质量更接近最佳模型生成的 2D 图像。
其他一些方法试图通过重新训练或微调生成式 AI 模型来解决此问题，但这可能既昂贵又耗时。
相比之下，麻省理工学院研究人员的技术无需额外训练或复杂的后处理即可实现与这些方法相当甚至更好的 3D 形状质量。此外，通过确定问题的原因，研究人员提高了对分数蒸馏和相关技术的数学理解，使未来的工作能够进一步提高性能。
“现在我们知道了应该朝哪个方向发展，这使我们能够找到更快、更高质量的更有效的解决方案，”电气工程和计算机科学 (EECS) 研究生 Artem Lukoianov 说道，他是该技术论文的主要作者。 “从长远来看，我们的工作可以帮助促进该过程成为设计师的副驾驶，从而更轻松地创建更逼真的 3D 形状。”
从 2D 图像到 3D 形状
从 2D 图像到 3D 形状 分数蒸馏采样近似答案