幾何学的にコヒーレントなテキストから3Dへの生成をマルチビュー拡散事前分布とガウシアン スプラッティングでブリッジする

科学分野:

• コンピュータビジョン
• 3Dグラフィックス
• 人工知能

背景:

• スコア蒸留サンプリング（SDS）は、2D拡散モデルを使用してテキストから3Dへの生成を進歩させます。
• 既存のSDS法はマルチビュー相関を見落としており、幾何学的な不整合やアーティファクトを引き起こします。

研究 の 目的:

• 幾何学的に一貫した3D生成のための連鎖スコア蒸留（CSD）を導入します。
• 3Dガウシアン スプラッティング（3D-GS）の安定した直接的な最適化を可能にします。

主な方法:

• 最適化をマルチビュー共同最適化問題として再定式化します。
• 多様な視点ガイダンスのためにマルチビュー事前分布を結合する勾配ベースの更新ルールを導出します。
• ランダムな初期化から直接3D-GSを最適化し、変形可能な四面体グリッドで洗練します。

主要な成果:

• CSDは、3Dコンテンツにおいて優れた幾何学的および意味的整合性を達成します。
• 既存の方法と比較して、最適化の堅牢性と多様性が向上したことを示します。
• 一貫性が向上した高品質な3Dコンテンツを生成します。

結論:

• CSDは、SDSにおけるマルチビュー相関の無視を効果的に解決します。
• 提案されたフレームワークは、安定した直接的で高品質な3D生成を可能にします。
• CSDは、一貫性のある多様なテキストから3Dへの合成のための堅牢なソリューションを提供します。