计算机科学 > 图形学
[提交于 2025年8月29日
]
标题: 3D-LATTE:从文本指令中进行潜在空间的3D编辑
标题: 3D-LATTE: Latent Space 3D Editing from Textual Instructions
摘要: 尽管多视角扩散模型在基于文本/图像的3D资产生成方面取得了最近的成功,但基于指令的3D资产编辑却远远落后于生成模型的质量。 主要原因在于,使用2D先验的近期方法会受到视角不一致的编辑信号的影响。 超越2D先验蒸馏方法和多视角编辑策略,我们提出了一种无需训练的编辑方法,在原生3D扩散模型的潜在空间内操作,使我们能够直接操纵3D几何体。 我们通过将生成过程中的3D注意力图与源对象进行融合来引导编辑合成。 结合几何感知的正则化引导、傅里叶域中的频谱调制策略以及用于3D增强的细化步骤,我们的方法优于之前的3D编辑方法,在各种形状和语义操作上实现了高保真、精确和鲁棒的编辑。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.