- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器之心
3D AI生成出新玩法了：无需数小时，只要45秒，单张图片即可生成 3D模型
机器之心专栏 机器之心编辑部 45 秒单张图片变 3D，无需大量 3D 数据和逐物体优化。 3D AI 生成最近发展得如火如荼，不少最新工作都能够从一句话 / 一张图生成高质量的三维模型。 单张图片生成 3D 通过与现有的文生图模型（如 DALL-E2）结合，One-2-3-45 也支持从任意文本生成 3D 模型。 方法 由于 3D 数据的稀缺性，学术界最近的绝大多数 3D AI 生成工作都通过利用 2D 扩散生成模型来指导 3D 表示（如 NeRF）的优化，从而实现 3D 内容生成。 通过借助这类 2D 扩散生成模型，我们能够从一张图片预测生成对应的多视角图像。 一个很自然的想法，便是将这些多视角图像传给经典的基于 NeRF 的重建方法来生成 3D 模型。 而 One-2-3-45 既支持文字生成 3D 也支持图片生成 3D。下图展示了 One-2-3-45 与现有的主要图生 3D 的方法的对比。
4.5K30编辑于 2023-08-07 - 来自专栏最新医学影像技术
3D人体模型生成案例分享
Invesalius是专门应用于医学图像3D重建，输入数据必须是一个序列的2D的DICOM图像，可以是CT或者是MRI序列，输出的是3D表面轮廓，该工具就是为生成解剖学的物理模型而做准备的。 3、配置3D表面 3D表面配置可以设置透明度，直接默认值即可，然后下一步。 4、输出结果 直接输出立体图像和相应的3D表面轮廓结果。 ?
1.6K40发布于 2020-06-29 - 来自专栏DeepHub IMBA
使用PolyGen和PyTorch生成3D模型
3D技术中一个特别热门的子领域是3D模型的生成。创造性地组合3D模型，从图像快速生成3D模型，以及为其他机器学习应用程序和模拟创建综合数据，这只是3D模型生成的众多用例中的少数几个。 ? 它是一种通用算法，不会对3D模型的面或占用进行建模，因此无法仅使用PointNet来生成3D-R2N2采用的体素方法将我们都熟悉的2D卷积扩展到3D，并通过自然地从RGB图像生成水密网格。 PolyGen 架构 PolyGen通过将3D模型表示为顶点和面的严格有序序列，而不是图像，体素或点云，对模型生成任务采取了一种非常独特的方法。 这种严格的排序使他们能够将基于注意力的序列建模方法应用于生成3D网格，就像BERT或GPT模型对文本所做的一样。 PolyGen的总体目标是双重的：首先为3D模型生成一组可能的顶点（可能由图像，体素或类标签来限制），然后生成一系列的面，一个接一个地连接 顶点在一起，为该模型提供了一个合理的表面。
2.1K10发布于 2020-11-09 - 来自专栏AI科技大本营的专栏
苹果发布 AI 生成模型 GAUDI，文字生成 3D 场景
近日，苹果 AI 团队发布最新 AI 模型 GAUDI，它是基于 3D 场景的神经架构 NeRFs，可以根据文字生成 3D 室内场景。 目前为止，NeRFs 主要用做 3D 模型和 3D 场景的一种神经存储介质，然后可以从不同的相机视角进行渲染。 2021 年末时，谷歌通过 Dream Fields 首次展示了 3D AI 生成系统，将 NeRF 生成 3D 视图的能力与 OpenAI 的 CLIP 评估图像内容的能力相结合。 Apple GAUDI 是 3D 内饰专家 虽然谷歌致力于使用 Dream Fields 生成单个对象，但将生成 AI 扩展到完全不受约束的 3D 场景仍是一个尚未解决的问题。 对于这个问题，GAUDI 模型的解决方案是：相机姿态解码器对可能的相机位置进行预测，并确保输出是 3D 场景架构的有效位置。
1.1K20编辑于 2022-12-09 - 来自专栏算法一只狗
首个「空间智能」模型发布，仅需要一张图片即可生成 3D 场景
给定一张图，就可以生成一个3D的场景，这个看起来很惊艳的场景，最近被李飞飞团队实现了~用李飞飞的话说，「无论怎样理论化这个想法，都很难用语言描述一张照片或一句话生成3D场景的互动体验。」 它给定的是一个村庄图片，然后就可以生成一个可以随意探索的3D场景。 也可以模拟不同的景深，生成不一样的3d场景：另一个特点在于能够随意改变相机的位置和视野：目前它这个模型的主要特点有三个：相机效果：模型能够模拟景深，实现浅景深和多轴变焦效果，为用户提供类似专业相机的拍摄体验 3D效果：生成的3D场景具有持久现实性，实时控制性，以及正确的几何形状，为用户带来沉浸式的探索体验。走进绘画世界：模型能够从经典艺术作品中生成3D世界，补全原画中没有的内容，为用户提供全新的艺术体验。 还可以模拟滑动变焦，同时调整摄像机的位置和视野：3D 效果大多数生成模型专注于像素预测，但生成 3D 场景具有许多显著优势：持久现实：生成的世界具有持续性，即便视线移开再回到场景，画面依然保持不变，增强了沉浸感和真实感
90920编辑于 2025-01-07 OneKey Gateway x agtm 给你的Agent 装上30+Nano Banana图片生成、3D模型生成的能力
的prompt-to-3DLego/minecraft拼装模型等等，让你的个人agent能力提升拉满。 https://github.com/aiagenta2z/onekey-gatewayhttps://github.com/aiagenta2z/agtm目前支持的Agent的API有搜索，地图，金融，图片生成 ，3D生成详细列表。 GeminiNanobanana这里gemini-nano-banana/gemini-nano-banana是<unique_id>,generate_image_nano_banana是希望执行的函数后面是图片生成的入参 ，3D生成详细列表参考：https://deepnlp.org/doc/onekey_gateway2.2使用Google-Maps搜索地址npxonekeyagentgoogle-maps/google-mapsmaps_search_places
27410编辑于 2026-03-22- 来自专栏新智元
3张图片生成一个手办3D模型！南加州大学华人博士提出新模型NeROIC，更真实！
---- 新智元报道 编辑：LRS 【新智元导读】通过几张二维照片还原为3D模型一直是一个图形学的一个难题，并且照片的不同光线、相机型号都会影响到最终的生成效果，也限制了模型的实际应用场景 例如给定几张不同角度拍摄的二维图像，神经渲染模型能够生成一个三维模型，而无需任何人工的介入。 在现实场景中，可能你会有一堆手办的照片，如果按照传统的方式都建成3D模型，那需要耗费的工作量，想想都头秃。 除了拍手办以外，游戏从业者还可以利用神经渲染技术，简单地拍摄一些物体的照片，合成3D模型，然后就可以制作出一个完美的游戏场景。 这种技术经常被用于计算3D模型的照明。这种方法能产生高度逼真的阴影和阴影，而且开销相对较小。简而言之，它将简单地减少需要估计的参数数量，但保持相同的信息量。
1K11编辑于 2022-03-04 - 来自专栏AI学习笔记
3D生成模型加速：Mobile-3D-GPT架构解析
引言在3D生成模型领域，随着研究的不断深入，模型的复杂度和计算需求也在急剧增长。然而，在移动设备上实现高效、高质量的3D内容生成仍然是一个具有挑战性的问题。 传统的3D生成模型通常需要大量的计算能力和内存，这使得它们难以直接在移动设备上部署和运行。因此，研究如何优化3D生成模型，使其适应移动设备的硬件条件，成为了3D生成领域的一个重要课题。 模型参数优化图：高效的特征提取与融合在3D生成模型中，特征提取与融合是影响生成质量和效率的关键环节。Mobile-3D-GPT通过创新的特征提取和融合机制，提高了模型对3D数据的理解和生成能力。 这些模型以体素和点云格式提供，适合评估3D生成模型的性能。ModelNet40：包含12,311个来自40个常见类别的3D模型，主要用于3D模型分类和生成任务。 在Mobile-3D-GPT中，我们结合DeepSDF的隐式场表示方法，优化了模型对3D形状的生成和表示能力。贡献与影响：提出了一种基于隐式场函数的3D形状表示方法。支持高分辨率的3D形状生成和重建。
57710编辑于 2025-07-11 - 来自专栏相约机器人
gDNA：一种 3D 穿衣人体生成模型
连续且与分辨率无关的神经 3D 表示推动了 3D 刚体生成建模的最新进展。由于衣服的复杂相互作用、它们的拓扑结构和姿势驱动的变形，为穿着衣服的人建模是一项具有挑战性的任务。 通过学习个人的生成模型，马克斯普朗克智能系统研究所的研究人员希望使 3D 人类化身广泛可用。 它们提供了第一种方法来生成具有独特身份和形状的多样化 3D 虚拟个体，这些个体出现在各种服装风格和位置，具有逼真的细节，例如服装上的褶皱。 学习到的蒙皮权重可用于重新定位生成的样本。研究人员对 gDNA 进行了广泛测试，发现它的性能明显优于基线。gDNA 可用于拟合和重新激活 3D 图像，优于当前最先进的 (SOTA) 模型。 结论 马克斯普朗克智能系统研究所的研究人员开发了 gDNA，这是一种 3D 穿衣人体生成模型，可以生成具有精确皱纹和明确姿势控制的各种穿衣人。
1.3K20编辑于 2022-06-07 - 来自专栏我爱计算机视觉
3D生成模型同台竞技，魁首究竟花落谁家！
近两年，得益于Diffusion模型在2D领域取得的巨大成功以及Objaverse系列大规模3D数据集的开源，3D物体生成领域已经进入迅速发展阶段，3D生成模型数量激增。 同时，为了给社区提供一些直觉上的启发，我们推出3DGen-Arena，一个公开、匿名的评测平台，集成了目前流行的19个开源3D生成模型（包括9个文生3D模型和13个图生3D模型，详情参看下图）。 因此，我们划分为了以下5个独立的维度，进行多维度、全方位的评估，并沿用两两比较的方式，为所有参与的模型确定排名顺序。 几何合理性：一个优秀的3D生成模型需要具备广泛且合理的3D几何先验知识。 考虑到部分文生3D模型漫长的训练时长，以及我们复杂的数据后处理，目前3DGen-Arena暂不支持开放式输入的在线生成。 3D生成领域是3D视觉领域的重要分支，无论是在学界还是业界，都有着广泛的应用前景和发展潜力。面对生成模型的不断推陈出新，一个全面、有效、鲁棒的评价体系是迫切需要的。
35910编辑于 2024-05-22 - 来自专栏机器之心
开创全新通用3D大模型，VAST将3D生成带入「秒级」时代
2021 年 1 月初，OpenAI 发布 DALL・E，并以输入文字 prompt「一把牛油果形状的扶手椅」，丰富的形象、清晰的结构标志着文字生成图片的技术走向成熟。 对于现有的生成式大模型来说，3D 数字内容就像是一种很新的「语言」体系。因此，想让 AI「学会」生成媲美人类水准的 3D 模型，同时保证速度，并不是一件容易的事。 对于 3D 生成任务来说，将 3D 表示转化为与语言 token 相近形式的 token 表示，或许有助于将现有的理解和生成大模型应用在 3D 领域。 复用强大的 2D 图像生成模型，以文字为条件，同步生成解耦的多视角一致的法向和基础色；2. 结合在大量 3D 数据训练的可泛化 3D 重建模型，从多视角图片生成基础 3D 先验；3. 得益于 VAST 在「通用 3D 大模型」路线上的技术探索，Tripo 在生成的质量、速度、成功率上行业领先。目前，已经实现 8 秒钟生成带纹理 3D 网格模型，可以进入传统管线进行二次编辑和调整。
2K10编辑于 2023-12-21 - 来自专栏媒矿工厂
2D 扩散模型 + Nerf，实现文本生成 3D 模型
内容整理：王炅昊 本论文把近期发展火热的2D扩散模型和Nerf（神经辐射场）结合，提出DreamFusion，实现了从文字生成3D模型。 但是，如果想要将这种方法应用于 3D 生成（synthesis），需要对大规模的 3D 数据集进行标注并且在其上面训练，除此之外，还需对 3D 数据去噪的有效架构，但目前这两者都不存在。 在这项工作中，作者通过使用预训练的 2D 文本-图像的扩散模型，实现文本到 3D 合成。他们引入了基于概率密度蒸馏的损失函数，这也允许了2D扩散模型作为先验，用以优化参数图像生成器。 在该方法中，给定文本生成的 3D 模型可以从任意角度观察，通过任意照明重新点亮，或合成到任何 3D 环境中。 然而，在该任务中，作者们并不希望对像素进行采样；他们只希望学习出一个3D模型，使得该模型在任意视角下看上去像一张好的图片。
3.2K20编辑于 2022-11-07 - 来自专栏CreateAMind
生成模型压缩图片
在这篇论文中，我们描述了生成式压缩的概念，也就是数据的压缩使用生成式模型。我们也表明这是一个值得追随的方向，可在图像和视频数据上取得更准确的、视觉上更享受的高压缩重建。 我们也证明，相比于传统的变长度编码方案，生成式压缩在比特误码率上有更大的复原力（例如，从有噪声的无线通信频道）。
66320发布于 2018-07-24 - 来自专栏OECOM
3D展示图片轮播效果
相信大家都见过图片轮播的效果，现在很多效果都是有几张图片在页面上来回播放，或者需要用户去点击播放。 但是在这个页面美观度要求很高的今天，我们需要更有新意的图片轮播效果来展示我们的产品，达到吸引用户眼球的目的。下面我来介绍一下3D展示图片轮播效果。 轮播的时候的效果是这样的 ? <div class="swiper-slide" style="background-image:url(http://lorempixel.com/600/600/nature/<em>3</em>) .swiper-slide { background-position: center; background-size: cover; } 这段代码是设置<em>3d</em> 展示<em>图片</em>轮播的位置和宽度等。
3.4K30发布于 2020-07-02 - 来自专栏CreateAMind
3d模型生成-使用深度网络 视频代码ppt论文
Learning a Probabilistic Latent Space of Object Shapes via 3D Generative-Adversarial Modeling 提供已经训练好的模型 ： https://github.com/zck119/3dgan-release repository contains pre-trained models and sampling code
56411发布于 2018-07-25 - 来自专栏媒矿工厂
MVDream：利用扩散模型实现多视角的3D生成
最后，我们展示了多视图扩散模型也可以在少量样本的情况下进行微调，用于个性化的3D生成，并且经过学习后仍能保持一致性。 引言 最近的一些工作表明，预训练的2D生成模型可以应用于3D生成。 当纳入3D生成流程时，我们的模型，即MVDream，成功生成了没有多面向问题的3D Nerf模型，并在多个评价指标上具有优越性。 方法 为什么使用扩散模型？ 基于这些观察，我们发现直接为3D生成任务训练多视图扩散模型非常重要，这样我们可以利用3D渲染的数据集来生成静态场景，并获得精确的相机参数。 从文本到3D生成 我们有了一个能够从文本描述生成一致的多视角图像的扩散模型，我们按照如下两种方法利用它进行3D生成： 使用多视角生成的图像作为输入，通过少样本3D重建方法生成3D内容。 多视角3D生成迁移至Dreambooth 我们将上述得到的模型扩展为用于3D DreamBooth应用的DreamBooth模型。
4.3K40编辑于 2023-09-24 - 来自专栏python3
JS 3D 模型
最近断断续续地写出了这么个东西：http://ucren.com/demos/d3d/index.html。 这是一个简单的 JS 3D 模型，能跑在包括 IE6 的所有浏览器上，结合一下 tween 缓动算法，理论上已经可以完美模拟像 http://www.cu3ox.com/ 这个网站上方 banner 的各种变换效果了 介绍一下实现细节，矢量绘图仍然用的是 Raphael 库，Raphael 我在《如何用 JS 实现 3D ×××效果》这篇文章里有过介绍。 关于画家算法 渲染器工作时，会从他的角度上能看到的所有物体都描绘出来，即用 2D 的手法去描述 3D 的物体。
3.8K20发布于 2020-01-07 - 来自专栏智能生信
arXiv｜使用深度生成模型在3D空间上生成类药分子
因此，将分子的三维条件纳入深度生成模型是非常有必要的，但目前在这个方向上的探索相当有限，仍然存在许多问题需要解决。 引入3D信息的一种方法是将现有的基于SMILES的生成模型建立在3D数据上。 然而，这些模型输出的分子不包含3D信息，通常需要一个额外的优化步骤来将分子嵌入到3D空间。一种更理想的方法是直接生成三维坐标。 与之前大多数用于3D分子的自回归模型相比，此方法在一次迭代中生成了所有连接到v∗的原子（图5）。这主要有两个优点。首先，它可以节省计算资源（因为状态编码器对每个步骤只运行一次）。 其次，由于相邻原子的位置是高度相关的，一起生成它们可以隐性地提高模型的性能。 图4：与(a)3D分子生成中的大多数自回归模型不同，模型方法(b)将所有连接到焦点原子上的原子作为一个群生成。 模型生成的分子为蓝色，测试集分子为灰色。 本文仅列出部分实验结果，详见原文。 四、总结 在这项工作中，作者引入了L-Net，一个新的深度生成3D类药分子的模型。
1.9K20发布于 2021-10-08 - 来自专栏智能生信
JCIM｜3D连接体设计的深度生成模型
尽管分子的3D结构对设计有效和选择性的化合物具有重要意义，但迄今为止，只有一种方法试图在生成过程中包含三维结构信息。 DeLinker产生了很高比例的有效分子，通过了2D化学性质过滤器(表2)，并在所有3D相似性度量方面大大优于数据库方法(表3)。 ? 表2. 表3.DeLinker模型与数据库搜索方法在ZINC与CASF数据集上的3D性能度量 3.3 CASF上的有效性 在CASF数据集上评估时，模型呈现出了类似的性能(表2和表3)。 两种方法都表明，产生3D相似的分子对CASF集来说比ZINC集更具挑战性。两种可能的解释是较低的分子相似性和在评估中使用实验确定的结构。 通过两个大规模的评估，已经证明，此生成方法能够学习产生符合与训练集中存在的约束相匹配的连接体分布，同时能够满足2D和3D约束的新连接体。此外，生成的分子与初始片段和原始分子都具有很高的三维相似性。
1.5K10发布于 2021-02-04 - 来自专栏前端杂货铺
3d效果的图片轮播
CSS3的3d变换 CSS3给我们提供了一个新的功能，那就是3d变换。3d变换和2d变换的基本API函数类似，只不过多了些在Z轴上的操作，不难使用。 该属性定义在需要3d变换的元素的父元素上，声明该属性意味着定义了一个3d空间，值越小，3d效果越明显。 对于transform-style属性的取值有两种，分别为flat和preserve-3d。flat意味不存在3d空间，在Z平面上的变换会平展到x-y面上来，没有3d效果。 preserve-3d则将该元素的所有子元素放入3d空间中，执行3d变换。 实现3d轮播 轮播的实现并不难，在这里只是将2d转换为3d效果。为了实现要求，我们需要对图片呈现区域进行分片，每个分片执行不同的3d操作，造成很炫的视觉效果。
3K50发布于 2018-03-15
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号