王振伟、王腾飞、Gerhard Hancke、刘子纬和刘永进。
现实世界的应用通常需要大量具有一致主题的3D资产。虽然从文本或图像生成通用3D内容方面已取得了显著进展,但根据输入的3D示例的共同主题合成定制3D资产仍是一个悬而未决的挑战性问题。在这项工作中,我们提出了ThemeStation,一种新颖的主题感知3D到3D生成方法。ThemeStation基于给定的少量示例合成定制3D资产,有两个目标:1)统一性,生成与给定示例主题一致的3D资产;2)多样性,生成高度变化的3D资产。为此,我们设计了一个两阶段框架,首先绘制概念图像,然后进行参考信息指导的3D建模阶段。我们提出了一种新颖的双重分数蒸馏(DSD)损失,以共同利用输入示例和合成概念图像的先验知识。大量实验和用户研究证实,ThemeStation在生成多样化的主题感知3D模型方面优于先前的工作,质量令人印象深刻。ThemeStation还支持各种应用,如可控的3D到3D生成。
conda create -n themestation python==3.10 conda activate themestation pip install -r requirements.txt pip install git+https://github.com/NVlabs/tiny-cuda-nn/#subdirectory=bindings/torch
我们使用Wonder3D来获得初始3D模型。
Wonder3D/ckpts
文件夹。Wonder3D |-- ckpts |-- unet |-- scheduler.bin ...
(可选,推荐)安装ninja以加速CUDA扩展的编译:
pip install ninja
(可选)tiny-cuda-nn的安装可能需要将pip降级到23.0.1
Stable Diffusion。我们使用预训练的2D Stable Diffusion 2.1模型的扩散先验。开始时,你可能需要一个huggingface token来访问模型,或使用huggingface-cli login
命令。
将参考3D模型放在data/reference_models/models
下,并安装Blender3.2.2
渲染图像以生成概念图像:
cd data/reference_models sh render_script/render_single_concept.sh obj文件名 blender路径 仰角 # 例如: # sh render_script/render_single_concept.sh 20 owl.glb ~/blender-3.2.2-linux-x64/blender
# RGB cd data/reference_models sh render_script/render_single_ref_rgb.sh obj文件名 blender路径 # 法线 (可选) cd data/reference_models sh render_script/render_single_ref_normal.sh obj文件名 blender路径 # 例如: # sh render_script/render_single_ref_rgb.sh owl.glb ~/blender-3.2.2-linux-x64/blender
ThemeStation | -- data | -- reference_models | -- renderings | -- elevation_n (用于生成仰角为n的概念图像) | -- 物体名称 | -- 000.png ... | -- elevation_rand (用于学习参考先验) | -- 物体名称 | -- 000.png ... | -- normals_000_0001.png (可选) ...
目前,你可以简单地使用Freepik-reimagine来根据给定3D示例的正面渲染图生成概念图像。
我们还在下面展示了我们论文中介绍的步骤:
cd dreambooth sh scripts/generate_concept.sh 20 # 20是仰角,为你自己的数据编辑这个模板 # 对于使用文本的可控3D到3D生成,运行: sh scripts/generate_concept_control.sh 20 # 结果保存在`dreambooth/outputs/...`
data/concept_images
下运行ThemeStation,根据概念图像和参考模型生成最终的3D模型。
sh scrips/run.sh # 为你自己的数据编辑这个模板脚本
sh scrips/run_batch.sh # 为你自己的数据编辑这个模板脚本
sh scripts/export_mesh.sh # 为你自己的数据编辑这个模板脚本
如果你发现这个代码对你的研究有帮助,请引用:
@article{wang2024themestation,
title={ThemeStation: Generating Theme-Aware 3D Assets from Few Exemplars},
author={Zhenwei Wang and Tengfei Wang and Gerhard Hancke and Ziwei Liu and Rynson W.H. Lau},
booktitle={ACM SIGGRAPH},
year={2024}
}
我们大量借鉴了以下代码库。非常感谢这些作者分享他们的代码。
AI小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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