DreamCraft3D

DreamCraft3D

层次化高保真3D内容生成技术

DreamCraft3D是一种高保真层次化3D内容生成技术,利用2D参考图像指导几何雕刻和纹理增强,解决一致性问题。通过词汇蒸馏采样、视图依赖扩散模型和引入Bootstrapped Score Distillation,提升了几何一致性和纹理质量。该项目通过交替优化扩散先验和3D场景表示,生成逼真的3D对象,提升了3D内容生成技术水平。

DreamCraft3D3D内容生成分层结构纹理增强几何雕刻Github开源项目

DreamCraft3D

论文 | 项目页面 | Youtube视频 | 在线演示

DreamCraft3D:基于分层引导扩散模型的三维生成方法的官方实现

孙景祥, 张波, 邵瑞之, 王丽贞, 刘文, 谢震达, 刘烨斌

摘要:我们提出了DreamCraft3D,一种生成高保真和一致性三维对象的分层三维内容生成方法。我们通过利用二维参考图像来引导几何雕刻和纹理增强的阶段来解决这个问题。这项工作的核心重点是解决现有工作中遇到的一致性问题。为了雕刻具有连贯渲染的几何形状,我们通过视图依赖扩散模型进行分数蒸馏采样。这个三维先验结合了几种训练策略,优先考虑几何一致性,但牺牲了纹理保真度。我们进一步提出了引导的分数蒸馏来专门提升纹理。我们在场景的增强渲染上训练了一个个性化扩散模型Dreambooth,将其注入场景的三维知识。这个三维感知的扩散先验的分数蒸馏为场景提供了一致视图的引导。值得注意的是,通过交替优化扩散先验和三维场景表示,我们实现了相互强化的改进:优化后的三维场景有助于训练特定场景的扩散模型,后者提供越来越多的一致视图引导,为三维优化提供启发。这样,优化过程得以引导,从而显著提升纹理。在分层生成的整个过程中使用定制的三维先验,DreamCraft3D生成连贯且具有逼真渲染效果的三维对象,推动了三维内容生成的前沿发展。

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/e144313d-3bc6-4f93-98a0-b39b79e334d8.png"> </p>

方法概述

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/a3d63131-79df-4612-bfb5-2a395a3189d5.png"> </p>

安装

安装threestudio

这一部分和原始的threestudio相同。如果您已经安装了环境,请跳过这一部分。

有关更多信息,包括通过Docker安装,请参阅installation.md

  • 您需要至少20GB VRAM的NVIDIA显卡并安装CUDA
  • 安装Python >= 3.8
  • (可选,推荐)创建一个虚拟环境:
python3 -m virtualenv venv . venv/bin/activate # 新版本的pip,例如pip-23.x,比老版本(例如pip-20.x)要快得多。它会缓存git包的轮子以避免以后不必要的重建。 python3 -m pip install --upgrade pip
  • 安装PyTorch >= 1.12。我们在torch1.12.1+cu113torch2.0.0+cu118上进行过测试,但其他版本也应该可以正常工作。
# torch1.12.1+cu113 pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 --extra-index-url https://download.pytorch.org/whl/cu113 # 或者torch2.0.0+cu118 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118
  • (可选,推荐)安装ninja以加快CUDA扩展的编译速度:
pip install ninja
  • 安装依赖项:
pip install -r requirements.txt

下载预训练模型

  • Zero123。我们默认使用最新的stable-zero123.ckpt,可以在这里下载到load/zero123/目录中。在论文中我们使用的是zero123-xl.ckpt,可以通过以下方式下载:
cd load/zero123 bash download.sh
cd load/omnidata gdown '1Jrh-bRnJEjyMCS7f-WsaFlccfPjJPPHI&confirm=t' # omnidata_dpt_depth_v2.ckpt gdown '1wNxVO4vVbDEMEpnAi_jwQObf2MFodcBR&confirm=t' # omnidata_dpt_normal_v2.ckpt

快速开始

预处理输入图像以移除背景并获得其深度和法线图像。

python preprocess_image.py /path/to/image.png --recenter

我们的模型分多个阶段训练。您可以通过以下指令运行它。

prompt="a brightly colored mushroom growing on a log" image_path="load/images/mushroom_log_rgba.png" # --------- 阶段 1 (NeRF & NeuS) --------- # python launch.py --config configs/dreamcraft3d-coarse-nerf.yaml --train system.prompt_processor.prompt="$prompt" data.image_path="$image_path" ckpt=outputs/dreamcraft3d-coarse-nerf/$prompt@LAST/ckpts/last.ckpt python launch.py --config configs/dreamcraft3d-coarse-neus.yaml --train system.prompt_processor.prompt="$prompt" data.image_path="$image_path" system.weights="$ckpt" # --------- 阶段 2 (几何细化) --------- # ckpt=outputs/dreamcraft3d-coarse-neus/$prompt@LAST/ckpts/last.ckpt python launch.py --config configs/dreamcraft3d-geometry.yaml --train system.prompt_processor.prompt="$prompt" data.image_path="$image_path" system.geometry_convert_from="$ckpt" # --------- 阶段 3 (纹理细化) --------- # ckpt=outputs/dreamcraft3d-geometry/$prompt@LAST/ckpts/last.ckpt python launch.py --config configs/dreamcraft3d-texture.yaml --train system.prompt_processor.prompt="$prompt" data.image_path="$image_path" system.geometry_convert_from="$ckpt"
<details> <summary>[可选] 如果在第1阶段出现"Janus问题",请考虑训练一个自定义的Text2Image模型。</summary>

首先,通过Zero123++从单个参考图像生成多视图图像。

python threestudio/scripts/img_to_mv.py --image_path 'load/mushroom.png' --save_path '.cache/temp' --prompt 'a photo of mushroom' --superres

通过DreamBooth Lora训练个性化的DeepFloyd模型。请检查上述生成的多视图图像是否合理。

export MODEL_NAME="DeepFloyd/IF-I-XL-v1.0" export INSTANCE_DIR=".cache/temp" export OUTPUT_DIR=".cache/if_dreambooth_mushroom" accelerate launch threestudio/scripts/train_dreambooth_lora.py \ --pretrained_model_name_or_path=$MODEL_NAME \ --instance_data_dir=$INSTANCE_DIR \ --output_dir=$OUTPUT_DIR \ --instance_prompt="a sks mushroom" \ --resolution=64 \ --train_batch_size=4 \ --gradient_accumulation_steps=1 \ --learning_rate=5e-6 \ --scale_lr \ --max_train_steps=1200 \ --checkpointing_steps=600 \ --pre_compute_text_embeddings \ --tokenizer_max_length=77 \ --text_encoder_use_attention_mask

个性化的DeepFloyd模型Lora会保存在.cache/if_dreambooth_mushroom中。现在您可以通过以下指令替换训练脚本中的引导:

# --------- 阶段 1 (NeRF & NeuS) --------- # python launch.py --config configs/dreamcraft3d-coarse-nerf.yaml --train system.prompt_processor.prompt="$prompt" data.image_path="$image_path" system.guidance.lora_weights_path=".cache/if_dreambooth_mushroom"
</details>

提示

  • 内存使用。我们在40G A100 GPU上运行默认配置。为了减少内存使用,您可以通过data.height=128 data.width=128 data.random_camera.height=128 data.random_camera.width=128减小NeuS的渲染分辨率。您也可以通过相同方式减少其他阶段的分辨率。

导出网格

您可以使用以下脚本导出带纹理的网格obj文件:

# 这将使用默认的mesh-exporter配置导出obj+mtl python launch.py --config path/to/trial/dir/configs/parsed.yaml --export --gpu 0 resume=path/to/trial/dir/ckpts/last.ckpt system.exporter_type=mesh-exporter
<details> <summary> 示例OBJ文件的可视化。 </summary> <p align="center"> <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/acbb5229-2786-4d49-915c-d0b4b02f8de7.jpg"> </p> </details>

待办事项

  • 发布重新整理的代码。
  • 发布测试图像数据。
  • 清理原始的dreambooth训练代码。
  • 提供一些运行结果和检查点。

致谢

这个代码基于令人惊叹的开源项目threestudio-projectstable-dreamfusion构建。

相关链接

BibTeX

@article{sun2023dreamcraft3d, title={Dreamcraft3d: Hierarchical 3d generation with bootstrapped diffusion prior}, author={Sun, Jingxiang and Zhang, Bo and Shao, Ruizhi and Wang, Lizhen and Liu, Wen and Xie, Zhenda and Liu, Yebin}, journal={arXiv preprint arXiv:2310.16818}, year={2023} }

编辑推荐精选

TRAE编程

TRAE编程

AI辅助编程,代码自动修复

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。

AI工具TraeAI IDE协作生产力转型热门
蛙蛙写作

蛙蛙写作

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。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

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。

热门AI助手AI对话AI工具聊天机器人
Transly

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

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。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

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。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

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

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

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。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

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。

下拉加载更多