- 综合排序
- 最热优先
- 最新优先
基于GPT-6 Astra的3D生成API选型
基于GPT-6 Astra的3D生成API选型GPT-6 Astra本身不具备原生3D网格输出能力，游戏开发者在进行3D内容创作时需要搭配专业的3D生成API。 GPT-6 Astra在游戏开发中的角色与局限GPT-6 Astra是一款通用多模态AI模型，而非原生3D生成工具。 这正是选择合适3D生成API的关键所在。V2Fun 2.0与GPT-6 Astra的深度协作V2Fun是Vertex Lab长期研发AI 3D基础模型的产品平台。 不同方案的适用场景与选型建议游戏开发者在为GPT-6 Astra选择3D生成API时，核心考量因素包括目标平台、性能预算和资产复杂度。 A1：GPT-6 Astra负责理解设计意图和整体规划，将复杂的3D主体部件委派给V2Fun 2.0进行生成，生成完成后再由Astra调整比例、旋转和位置并完成组装。
37310编辑于 2026-09-09- 来自专栏图形学与OpenGL
实验6 Bezier曲线生成
1．实验目的： 了解曲线的生成原理，掌握几种常见的曲线生成算法，利用VC+OpenGL实现Bezier曲线生成算法。 2．实验内容： （1） 结合示范代码了解曲线生成原理与算法实现，尤其是Bezier曲线； （2） 调试、编译、修改示范程序。 3．实验原理： Bezier曲线是通过一组多边形折线的顶点来定义的。 void CalcBZPoints() { float a0,a1,a2,a3,b0,b1,b2,b3; a0=pt[0].x; a1=-3*pt[0].x+3*pt[1].x; a2=3*pt[0].x-6* pt[2].x; a3=-pt[0].x+3*pt[1].x-3*pt[2].x+pt[3].x; b0=pt[0].y; b1=-3*pt[0].y+3*pt[1].y; b2=3*pt[0].y-6*
1.3K10发布于 2018-10-09 - 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。 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。 在对四个不同数据集（包括室内扫描数据集 ARKitScences）的实验中，研究人员表明 GAUDI 可以重建学习视图并匹配现有方法的质量。 虽然现在 GAUDI 生成的 3D 场景视频质量还不是很高，但这也说明了 AI 在图像和视频技术这生成的另一种可能。
1.1K20编辑于 2022-12-09 6秒单图变3D场景，将3DGS 嵌入 Diffusion - 高速高分辨3D生成框架
Hunyuan-v2.5 输入图片 然后这是Hunyuan-v2.5 的生成结果： 图6. Hunyuan-v2.5 生成3D的新视角 以及我们 open-source model 的生成结果： 图7. 这里请注意，我们方法在 256x256 和 512x512 尺寸的生成速度是 6 秒 和 24秒，速度是 Hunyuan-v2.5 的 7.5 倍，训练只需要 16 - 32 张 A100，参数量大小只有 pre-trained image diffusion prior，因此需要较多的3D数据来学到较好的 3D prior。 然而3D训练数据本身并不是很多，尤其是 scene-level 的数据，只有9万多个。因此，接着我们又设计了一种场景-物体混合训练策略来充分利用各类三维训练数据。
2.5K10编辑于 2025-11-17- 来自专栏3D视觉从入门到精通
3D视觉技术的6个问答
前言 自从加入学习圈「3D视觉技术」以来，与小伙伴们一起讨论交流了近200多个学术问题，每每遇到一些令我难以回答的问题，我都会为自己学识有限而深感焦虑。 （6-Dof pose estimation）有哪些主流方法？ 有效处理大规模非结构化并且无序的点云数据，从中提取出各类地物目标信息 3. 问答5： 前辈你好，我采用多频外差法三维重建生成的点云表面总是有皱皱巴巴的噪声，我改用了格雷码解相后仍然存在相同的问题。 问答6： 请问一下目前国内外有哪些处理点云数据的软件？ 关于点云的处理软件，此处我推荐三款，你可以择优选用：1、cloudCompare; 2、Meshlab; 3. Geometric。
86910发布于 2020-12-11 - 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。 可以看到原始数据会以中轴切面，矢状切面，冠状切面来进行显示，而立体就是最后输出结果示意图。 ? 2、选取感兴趣区域 接下来就是要提取图像中感兴趣的区域了，比如要提取人体肋骨。 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。 ?
1.7K40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。 ? 使用top-p = 0.9的核采样和地面真实网格（蓝色）生成的图像条件样本（黄色）。 但是，在3D深度学习研究领域，为数据选择合适的表示是成功的一半。 在计算机视觉中，数据的结构非常简单：由密集像素组成的图像，这些像素整齐均匀地排列在精确的网格中。3D数据的世界没有这种一致性。3D模型可以表示为体素，点云，网格，多视图图像集等。 3D重建问题和3D-R2N2方法 当今非常经典的PointNet论文为建模点云数据（例如3D模型的尖端）提供了蓝图。 此模型是具有8个顶点和6个面的基本立方体。下面的简单代码段从单个.obj文件读取所有顶点。
2.2K10发布于 2020-11-09 - 来自专栏DrugOne
MolFlow: 高效3D分子生成方法
最近，3D药物设计的生成模型因其在蛋白质口袋中直接设计配体的潜力而获得了广泛关注。然而，目前的方法通常存在采样时间非常慢或生成分子的化学有效性差的问题。 最后，作者比较了MolFlow与当前方法在生成高质量样本方面的能力，进一步展示了其强大性能。 3D药物设计的生成模型最近因其在蛋白质口袋中直接设计配体的潜力而引起了极大关注。 其他模型尝试训练无条件的3D分子生成器作为起点，尤其是那些应用扩散模型到分子坐标上的模型已经变得特别流行。 现有的3D分子生成器，使用完全连接的消息传递，表现出非常差的扩展性，无法处理更大的分子和更大的模型尺寸。最先进的无条件生成器在采样单批分子时需要数分钟，使其不适合基于RL的微调。 由于现有的3D生成模型在推理时已经需要知道N，因此使用尺度OT时对采样没有额外的限制。
67910编辑于 2024-07-18 - 来自专栏.net core新时代
数据字典生成工具之旅(6)：NVelocity语法介绍及实例
本章开始将会为大家讲解NVelocity的用法，并带领大家实现一个简单的代码生成器。 NVelocity是一个基于.NET的模板引擎（template engine）。 /p> #end （备注：在使用这两个关键字时，出现了与创建宏一样的问题，即在初始化模板引引擎的时候，如果是用模板文件内容初始化的，会出现问题） 回到顶部 实例介绍 1.生成前台 怎么通过NVelocity生成上图的表格呢，请看下面的例子，先看模版文件 <table id="appMenu" style="background-color: rgb(114, 136, 172); using System.IO; using System.Collections; namespace NVelocityDemo { /// <summary> /// SQL文件<em>生成</em> 本章例子下载 回到顶部 工具源代码下载 目前总共有经过了七个版本的升级，现在提供最新版本的下载地址 <em>数据</em>字典<em>生成</em>工具V2.0安装程序 最新安装程序 <em>数据</em>字典<em>生成</em>工具源代码 最新源代码 http
1.4K60发布于 2018-01-05 腾讯元宝3D生成应用来了
腾讯元宝首发的3D生成应用，利用一张图片即可生成3D角色的技术，是人工智能领域的一个重要创新。这种技术的应用会极大地影响娱乐、游戏开发、虚拟现实和在线购物等行业。 生成3D角色的过程涉及到先进的算法，如生成对抗网络，这些算法能够在训练过程中不断优化，提高生成的3D模型的质量和逼真度。 用户可以快速生成个人3D角色，便于进行360度全方位查看，并可选择分享、转发或者公开。提供保存3D角色模型文件做二次编辑，以及生成3D打印链接，实现从虚拟模型到完整实体的创意体验。 （一）《Protolabs 2024年3D打印趋势报告》显示，3D打印市场正经历显著扩张，将人工智能技术和3D生成结合，可实现更高效、更高质量的内容生成。 （二）此技术的推出会对3D打印和个性化内容创造领域产生积极影响。（三）基于腾讯混元大模型打造的“3D角色梦工厂”，在技术上已具备生成动漫、建筑、游戏道具等类型的3D资产的能力。
2.4K10编辑于 2024-07-17- 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。 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。 由于这类方法通过从训练数据学习了有关多视角预测不一致性的先验知识，他们更有希望能从不一致的多视角预测中生成 3D 模型。 、输出的几何表示、结果的 3D 一致性、与输入的相似性，以及所需的 3D 数据规模上，具有多方面的优势。 由于 3D 数据的稀缺性，这样的训练数据规模目前对于很多研究者 / 机构来说还是比较严苛的条件。
4.6K30编辑于 2023-08-07 - 来自专栏新智元
3D卷积GAN飞起！微软“可缩放”新框架只需2D数据即可生成逼真3D模型
新智元报道 来源：VB 编辑：元子 【新智元导读】Microsoft Research近日发表论文介绍了一种通过2D数据生成3D模型的新框架，其使用3D卷积GAN，利用2D图像提供的物体表面之间的曝光差异成功检测出凹形物体的内部结构 研究人员称，该框架是首个针对2D数据的3D模型的“可缩放”训练技术。 与以前的工作相反，研究人员试图利用功能齐全的工业渲染器，例如显示数据生成图像的软件。为此，他们训练了3D形状的生成模型，以便生成与2D数据集的分布相匹配的图像。 生成器模型采用随机输入向量（代表数据集特征的值）并生成3D对象的连续体素表示（3D空间中网格上的值）。 从3D模型生成的一系列合成数据集和一个现实生活的数据集，他们合成了来自不同对象类别的图像，并在整个训练过程中从不同的角度对其进行了渲染。
1.2K31发布于 2020-03-11 - 来自专栏点云PCL
3D Object Recognition and 6DOF Pose Estimation
Hypothesis Verification 1, given a set of object hypotheses with a 6DoF pose. 2. From 3D models to 2.5D data Simulate input from depth/3D sensors. ? s_keypoints); gc_clusterer.setModelSceneCorrespondences (m_s_corrs); gc_clusterer.cluster (clusters); 2.Hough 3D voting 1.Correspondence votes are accumulated in a 3D Hough space. Each point associated with a repeatable RF, RFs used to: 1. reduce voting space from 6 to 3D...
1.5K40发布于 2019-07-30 - 来自专栏翩翩白衣少年
一款很Nice的3D生成工具，包括文生3D、图生3D、3D生3D等众多功能！
前言 今天要给大家分享一个很Nice的 3D 生成工具集—MVEdit！ 项目介绍 MVEdit 是一个基于控制的多视角编辑的通用3D扩散适配器，使用现成的2D稳定扩散模型进行3D生成和编辑。 无需繁琐的训练，MVEdit 就能够快速生成高质量的3D物体，并提供全功能的UI界面，包含了诸如text to 3D、image to 3D、3D to 3D文字编辑和材质重构等功能。 生成：利用现成的 2D 稳定扩散模型，MVEdit 能够生成具有高质量纹理和结构的 3D 生成物。 • 顶尖性能：在文本引导的纹理生成和图像到 3D 生成等评估中表现出色。
1.7K10编辑于 2024-03-25 - 来自专栏AI科技大本营的专栏
玩转3D全息图像！AI即刻生成
计算机生成的全息(CGH)通过对衍射和干涉的数值模拟实现了高空间角度的3D投影。 长期以来，研究人员一直在研究制作全息图的技术，但是，现有的基于物理的方法无法生成具有按像素聚焦控制和精确遮挡的全息图。 研究人员通过引入具有4,000对RGB深度图像和相应的3D全息图的大规模CGH数据集(MIT-CGH-4K)进行训练。 ? 训练神经网络通常需要庞大的高质量数据集，而3D全息图以前没有这种数据集。 研究人员引入了大规模菲涅耳全息图数据集MIT-CGH-4K，该数据集由4,000对RGB深度（RGB-D）图像和相应的3D全息图组成。 研究人员创建的数据集具有三个重要功能，以使CNN能够学习逼真的3D全息图。
2K20发布于 2021-03-25 AI生成3D建筑，进入Vibe Modeling时刻
输出端给的是，一个几何+参数化逻辑底座的可编辑3D模型，可以导出到Rhino、Grasshopper、GLB等主流CAD/BIM流程。我也试了一下。 我拿北京央视「大裤衩」的一张草图，让Plamo生成对应的3D模型。最后生成成功了，但整体效果质量还有待提高。这是输入的草图与提示词：使用这张建筑草图作为中央电视台总部大楼三维质量模型研究的抽象参考。 生成了10分钟左右，结果是这样体量是没有对的，不过话说回来，我认为能生成已经非常不错了。 原因是web端（浏览器里做3D模型生成）有几个基础瓶颈要解决——浏览器内的几何内核、显存、长流程的状态管理——这些都是工程上很难绕过去的坎，Plamo能把流程跑通本身已经是突破。 除了Illoca，还有胡政涛的AtomicArch1人10个月，做了一款AI原生建筑3D设计软件，用14万行代码重写CAD底层、看到AIRILab最近在探索3D生成、哈佛系的Reer独家|哈佛系Reer
33610编辑于 2026-08-24- 来自专栏CreateAMind
3d数据集
, Manolis and Song, Shuran and Zeng, Andy and Zhang, Yinda}, journal={International Conference on 3D The dataset consists of several types of annotations: color and depth images, camera poses, textured 3D
1.5K20发布于 2018-07-24 - 来自专栏MixLab科技+设计实验室
生成专属于你的人工智能书【3D生成器】
<a-sphere position="1 1.25 -<em>6</em>" radius="1.25" color="#EF2D5E"></a-sphere> 完整的示例代码，更多请参考官方api文档： <html> a-box position="-1 0.5 -3" rotation="0 45 0" color="#4CC3D9" ></a-box> <a-sphere position="1 1.25 -<em>6</em>" 需要先定义几个函数： 书名生成 getTitle 书籍难度生成 getLevel 配色生成 getColors 此处采用的逻辑都是随机从库里数据（随机是最好的方法），例如配色的生成代码： function ", "#4E413B"], ["#F0CA6D", '#F7F2C1'], ["#A13939", "#E75151"], ["#657DC4","#838ED9"], ["#461B93","#6A3CBC ： 1 根据封面的尺寸，等分，生成网格； 2 随机生成几个六边形或五边形； 3 计算生成的六边形及五边形按照正态分布随机摆放的位置及大小。
1.2K60发布于 2018-07-25 - 来自专栏前端数据可视化
Antv G6 拖拽生成节点
本文主要讲解使用 AntV G6 实现 拖拽生成节点 的功能，如下图所示。 本文使用 Vue3 做基础框架，配合 G6 实现上图效果。 分析 在动手编码之前需要先对使用场景做一个分析。 元素面板是由原生 HTML 生成的，所以需要实现拖拽原生 HTML 元素的功能。 查找相关 API 坐标转换 上面的需求中，第1点和第2点其实都可以归为坐标转换。 如果要我们手动计算坐标的话其实还是挺麻烦的，好在 G6 为我们提供了一个 API ，可以将屏幕坐标转换成画布坐标。 from '@antv/g6' const graphRef = ref(null) // 画布元素 const graph = ref(null) // 画布实例 // 数据 const graphData 拖拽生成节点
2.2K10编辑于 2022-09-23 - 来自专栏私人订制
thinkphp6 token令牌 生成详解
生成Token(createToken) <?
1.8K10编辑于 2023-05-11
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