北大团队最新发布全景3D技术！只需一张图片和一段话就能生成全景3D场景
Ray3D技术推动力
在数字化时代，3D技术正日益成为虚拟现实、游戏设计和电影制作等行业的重要推动力。
近期，来自北京大学的研究团队开发出了名为**“HoloDreamer”的全新技术框架，这一突破性的技术能够通过文本描述直接生成具有高视觉一致性的全景3D场景**，为各行各业带来前所未有的便利和创新可能。
扫码加入AI交流群
获得更多技术支持和交流
（请注明自己的职业）
项目简介
让我们先来看一下HoloDreamer对于室内场景和室外场景的全景3D生成的效果。
可以看到不论是室内还是室外场景，HoloDreamer都能生成非常详细、效果也非常不错的3D全景图，那么HoloDreamer是怎么实现这么突破性的3D生成的效果的呢。
HoloDreamer利用先进的3D高斯涂抹技术，通过文本到图像的扩散模型来初始化并迭代生成全景图像。
也就是说，如果想生成全景3D场景不需要再去一张张的上传图片，只需要上传一张图片再加一段文字描述就可以生成全景3D。
这种方法不仅提高了场景的生成效率，还能确保生成的3D场景在视觉上的一致性和完整性。
具体来说，HoloDreamer首先创建一个高清晰度的全景图作为3D场景的整体基础，然后利用3D高斯涂抹技术快速重建整个三维场景，保证了场景的视觉连贯性和封闭性。
相比传统的3D场景生成技术，HoloDreamer具有多项显著优势。首先，该技术能够从复杂的文本提示中直接生成风格化且细致的全景图，大大降低了3D模型创建的门槛。
通过对比我们也可以看到，我们的方法显著增强了补充视图下渲染图像的质量，有效地提高了重建场景的渲染鲁棒性。
其次，通过结合多个扩散模型，HoloDreamer能够在保持几何特征的基础上实现风格迁移和细节增强，使生成的全景不仅细节丰富，还具有良好的美学效果。
北大团队分别采用了两种图像美学评估质量的方法metrics, TANet和CLIP-aesthetic，定量比较全景图像和立方体图图像的美学质量。
可以看到该团队的方法在两种形式的图像上都获得了更高的美学质量分数，这表明该技术的方法在视觉效果方面优于基线。
增强的两阶段全景重建过程进一步优化了3D场景的完整性和渲染稳健性，使其在多视角下都能保持高质量的视觉表现。
应用前景
HoloDreamer的出现为多个行业提供了新的发展机遇。
就如最近很火的Vision Pro如果应用了该技术可以用于创建更加真实和沉浸式的虚拟环境。
在游戏设计、电影制作中，它能够帮助开发者快速构建复杂的3D场景，提升视觉效果的同时也能减少后期制作的时间和成本。
此外，随着技术的进一步发展，HoloDreamer也有望应用于城市规划、室内设计等更多领域，能够极大地提升工作效率。
项目链接：
https://github.com/zhouhyOcean/HoloDreamer
论文链接：
https://arxiv.org/pdf/2407.15187
关注「向量光年」公众号
加速全行业向AI的改变
编辑推荐精选
Trae
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、 速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
openai-agents-python
OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号