Make-It-3D

Make-It-3D

单图生成高逼真3D模型

Make-It-3D项目利用训练良好的2D扩散模型,从单个图像生成高质量3D内容。方法采用两阶段优化流程,先优化神经辐射场整合正视图和新视角的扩散先验,后将粗略模型转化为纹理点云并提升现实感。实验显示,该方法在视觉质量和重建准确性上大幅领先,并支持文本到3D创建和纹理编辑等应用。

Make-It-3D3D重建单张图像高保真ICCV 2023Github开源项目

Make-It-3D:基于扩散先验从单张图像创建高保真3D内容 (ICCV 2023)

<!-- ![Teaser](https://yellow-cdn.veclightyear.com/35dd4d3f/31a9aa14-aa59-4d79-85eb-177a0b31b57f.png) --> <div class="half"> <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/a49784b1-35bb-4ec1-9e97-7b94fab682da.png" width="128"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/c173bff9-13ef-4b0d-abb7-3902f6102186.gif" width="128"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/930b3e5d-0e25-4e4f-8474-e9d773831b99.gif" width="128"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/f8928b6f-1740-4413-bcda-6979e0f90751.png" width="128"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/df467c52-3025-411e-9cb5-1856d7985afb.gif" width="128"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/e3fd2f56-a419-4056-b480-94e31ab00c92.gif" width="128"> </div> <div class="half"> <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/68028b76-24f3-4afd-aef2-e7a0d3ef3482.png" width="128"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/d27c125f-76e5-40d3-9645-cf37a4184d89.gif" width="128"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/bc8e3ef6-6635-4ff8-a713-043c2647200a.gif" width="128"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/07169e0b-308a-4922-806a-813784ca26bb.png" width="128"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/cdbfac37-9487-4d95-9ee4-41f2ab91277e.gif" width="128"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/b7342879-cc2b-466c-aa9d-2cc497b7e411.gif" width="128"> </div>

项目页面 | 论文

<!-- <br> -->

Junshu Tang, Tengfei Wang, Bo Zhang, Ting Zhang, Ran Yi, Lizhuang Ma, Dong Chen.

<!-- <br> -->

摘要

在这项工作中,我们研究了仅从单张图像创建高保真3D内容的问题。这本质上是一个挑战:它基本上涉及估计基础的3D几何,同时还需凭空想象未见的纹理。为了解决这一挑战,我们利用一个训练良好的2D扩散模型的先验知识,作为3D创作的3D感知监督。我们的方法,Make-It-3D,采用了两阶段优化流程:第一阶段通过结合正视图中的参考图像约束和新视图中的扩散先验来优化神经辐射场;第二阶段将粗糙模型转化为具纹理的点云,并借助参考图像中的高质量纹理,在使用扩散先验的同时进一步提升现实感。大量实验证明,我们的方法比之前的工作大幅度提高了成绩,带来了真实的重建和令人印象深刻的视觉质量。我们的方法首次实现了从单张图像对所有物体进行高质量3D创作,并且能够支持多种应用,如文本到3D创作和纹理编辑。

新闻!

  • :loudspeaker: <font color='magenta'><b> Make-It-3D的Jittor版本现已发布在Make-it-3D-Jittor。欢迎试用!!</b></font>

待办事项

360°几何演示

<div class="half"> <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/22a3e70a-9e58-49bb-b559-3e5eac722161.png" width="128"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/c2cd2015-25c5-462d-9d63-d4f51b99c240.gif" width="128"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/68be9dfd-d5e0-46b6-8628-a27ac25a62d4.gif" width="128"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/5542676b-4941-4d9e-be2f-6a2c753d4e76.png" width="128"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/405a6d3d-2670-4da3-9f1b-cc2b691dc00c.gif" width="128"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/bb48a137-efae-45e4-bdd9-d4d126ca8e47.gif" width="128"> </div>

SAM + Make-It-3D

<div class="half"> <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/9c1486dd-8e80-4526-b3b1-1231727832b0.png" height="170"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/1d6c8c00-6cbb-450e-a868-2407508a9e06.png" width="170"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/9f6bffe4-fdc5-4104-8712-1b549bc0295a.gif" width="170"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/93f969e3-298a-4c1e-996c-ab3ee7826316.gif" width="170"> </div>

安装

通过 pip 安装:

    pip install torch==1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio===0.10.0+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html
    pip install git+https://github.com/NVlabs/tiny-cuda-nn/#subdirectory=bindings/torch
    pip install git+https://github.com/openai/CLIP.git
    pip install git+https://github.com/huggingface/diffusers.git
    pip install git+https://github.com/huggingface/huggingface_hub.git
    pip install git+https://github.com/facebookresearch/pytorch3d.git
    pip install git+https://github.com/S-aiueo32/contextual_loss_pytorch.git

其他依赖:

    pip install -r requirements.txt 
    pip install ./raymarching

训练要求

  • DPT。我们使用一个即用型单视图深度估计器DPT来预测参考图像的深度。
    git clone https://github.com/isl-org/DPT.git
    mkdir dpt_weights
    
    下载预训练模型 dpt_hybrid,并将其放置在 dpt_weights 文件夹中。
  • SAM。我们使用Segment-anything模型来获得前景物体的遮罩。
  • BLIP2。我们使用BLIP2生成描述。你也可以通过 --text "{TEXT}" 来修改条件文本,从而大大减少时间。
  • Stable Diffusion。我们使用预训练2D Stable Diffusion 2.0模型的扩散先验。开始时,你可能需要一个 token 来访问模型,或者使用 huggingface-cli login 命令。

训练

粗糙阶段

我们使用渐进训练策略生成完整的360° 3D几何。运行命令并修改工作区名称 NAME 和参考图像的路径 IMGPATH。我们首先在前视图下优化场景。

    python main.py --workspace ${NAME} --ref_path "${IMGPATH}" --phi_range 135 225 --iters 2000 

然后我们将视角采样扩展到完整的360°。如果你需要一个 "后视图" 提示,你可以使用 --need_back 命令。

    python main.py --workspace ${NAME} --ref_path "${IMGPATH}" --phi_range 0 360 --albedo_iters 3500 --iters 5000 --final

如果你遇到 长几何 问题,你可以尝试增加参考的视场角并调整相应的设置。例如:

    python main.py --workspace ${NAME} --ref_path "${IMGPATH}" --phi_range 135 225 --iters 2000 --fov 60 --fovy_range 50 70 --blob_radius 0.2

精细阶段

经过粗糙阶段的训练,现在你可以轻松地使用 --refine 命令进行精细阶段的训练。我们在前视图下优化场景。

    python main.py --workspace ${NAME} --ref_path "${IMGPATH}" --phi_range 135 225 --refine

你可以使用 --refine_iters 命令修改训练迭代次数。

    python main.py --workspace ${NAME} --ref_path "${IMGPATH}" --phi_range 135 225 --refine_iters 3000 --refine

注意: 我们在精细阶段额外使用了 上下文损失,我们发现这有助于锐化纹理。你可能需要在训练前安装 contextual_loss_pytorch

    pip install git+https://github.com/S-aiueo32/contextual_loss_pytorch.git

重要说明

从一般类别的单张图像生成3D几何和新视图是一项具有挑战性的任务。尽管我们的方法在创建单个物体居中的大多数图像方面表现出强大的能力,但在复杂情况下仍可能遇到难以重建坚实几何的问题。如果你遇到任何问题,请随时联系我们。

引用

如果你认为这段代码对你的研究有帮助,请引用:

@InProceedings{Tang_2023_ICCV,
    author    = {Tang, Junshu and Wang, Tengfei and Zhang, Bo and Zhang, Ting and Yi, Ran and Ma, Lizhuang and Chen, Dong},
    title     = {Make-It-3D: High-fidelity 3D Creation from A Single Image with Diffusion Prior},
    booktitle = {Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV)},
    month     = {October},
    year      = {2023},
    pages     = {22819-22829}
}

致谢

这段代码大量借鉴了 Stable-Dreamfusion

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