.png){kind=icon}
返回
Text-Driven Tree Modeling via CLIP-Based Optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-0100-7_8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
创建树木3D模型是一项复杂的任务，需要大量工作。为了简化树木建模，已有多种方法被提出用于从图像或草图重建树木3D模型。然而，用户需要提供合适的图像才能获得满意的重建结果，且对于不擅长绘画的用户来说，描绘各种类型的树木较为困难。因此，我们提出了一种新颖的方法，利用CLIP（对比语言-图像预训练）作为输入文本，以零样本方式获取树木3D模型，该方法近年来备受关注。CLIP能够计算输入文本与图像之间的语义相似度。利用这一特性，我们将通过文本进行树木建模表述为一个优化问题，并以CLIP评估作为目标函数。我们采用遗传算法解决该优化问题。由于CLIP是预训练模型，我们的系统无需学习过程。树木模型使用Lindenmayer系统（L-系统）生成，而我们的方法确定使树木模型与输入文本对齐的L-系统参数。通过多种示例展示了该方法的有效性。
Keyword:
modeling
tree model
CLIP
zero-shot generation
text-driven generation
L-system
期刊
C
IF:
0
论文数:
17
被引数:
0
机构
引用论文
.png){kind=icon}
查看更多内容