用擴散模型監督NeRF，清華文生3D新方法成新SOTA

AIGC動態歡迎閱讀

原標題：用擴散模型監督NeRF，清華文生3D新方法成新SOTA
關鍵字：視角,模型,文本,方法,視圖
文章來源：量子位
內容字數：2587字

內容摘要：

清華王霞投稿量子位 | 公眾號 QbitAI用文字合成3D圖形的AI模型，又有了新的SOTA！
近日，清華大學劉永進教授課題組提出了一種基于擴散模型的文生3D新方式。
無論是不同視角間的一致性，還是與提示詞的匹配度，都比此前大幅提升。
文生3D是3D AIGC的熱點研究內容，得到了學術界和工業界的廣泛關注。
劉永進教授課題組此次提出的新模型叫做TICD（Text-Image Conditioned Diffusion），在T3Bench數據集上達到了SOTA水平。
目前相關論文已經發布，代碼也即將開源。
測評成績已達SOTA為了評估TICD方法的效果，研究團隊首先進行了定性實驗，并對比了此前一些較好的方法。
結果顯示，用TICD方法生成的3D圖形質量更好、圖形更清晰，與提示詞的匹配程度也更高。
為了進一步評估這些模型的表現，團隊在T3Bench數據集上將TICD與這些方法進行了定量測試。
結果顯示，TICD在單對象、單對象帶背景、多對象這三個提示集上都取得了最好的成績，證明了它在生成質量和文本對齊性上都具有整體優勢。
此外，為了進一步評估這些模型的文本對齊性，研究團隊還對3D物體渲染得

原文鏈接：用擴散模型監督NeRF，清華文生3D新方法成新SOTA

聯系作者

文章來源：量子位
作者微信：QbitAI
作者簡介：追蹤人工智能新趨勢，關注科技行業新突破