.png){kind=icon}
返回
OctFusion: Octree-based Diffusion Models for 3D Shape Generation
.png){kind=icon}
PRE
AI
DOI：10.1111/cgf.70198.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
扩散模型已成为3D生成的一种流行方法。然而，对于扩散模型来说，高效生成多样且高质量的3D形状仍然具有挑战性。在本文中，我们介绍了OctFusion，它可以在单个Nvidia 4090 GPU上在2.5秒内生成任意分辨率的3D形状，并且提取的网格保证是连续且流形的。OctFusion的关键组件是基于八叉树的潜在表示及其伴随的扩散模型。该表示结合了隐式神经表示和显式空间八叉树的优点，并通过基于八叉树的变分自编码器进行学习。提出的扩散模型是一个统一的、多尺度的U-Net，它能够在不同八叉树层级之间共享权重和计算，并避免了广泛使用的级联扩散方案的复杂性。我们在ShapeNet和Objaverse数据集上验证了OctFusion的有效性，并在形状生成任务上取得了最先进的表现。我们通过为纹理网格生成生成高质量的颜色场，以及根据文本提示、草图或类别标签生成高质量3D形状，证明了OctFusion的可扩展性和灵活性。我们的代码和预训练模型可在https://github.com/octree-nn/octfusion获取。
Keyword:
CCS Concepts
• Computing methodologies → Shape modeling
Diffusion models
Neural networks
期刊
IF:
2.9
论文数:
568
被引数:
1.1W
机构
查看更多机构
引用论文
暂无论文信息