NeRF: 神经辐射场

Plenoxels：辐射场

AI 模型

提供了一种新颖的辐射场方法，无需依赖神经网络即可高保真地重建场景。该方法实现了比传统 NeRF 快两个数量级的优化速度，使其在各种 3D 重建任务中效率极高。它利用稀疏体素网格来存储密度和球谐系数。Plenoxels 提供了一种新颖的辐射场方法，无需依赖神经网络即可高保真地重建场景。该方法实现了比传统 NeRF 快两个数量级的优化速度，使其在各种 3D 重建任务中效率极高。它利用稀疏体素网格来存储密度和球谐系数。

该 AI 模型引入了用于实时辐射场渲染的 3D 高斯泼溅技术，以高帧率实现了最先进的视觉质量。它使用 3D 高斯和快速的视感知渲染算法来优化场景表示，从而能够以 1080p 分辨率进行高质量的新视图合成。

DreamFusion

AI 模型

从文本描述生成 3D 物体的 AI 模型。它利用预训练的 2D 扩散模型来创建可重新照明的 3D 资产，如神经辐射场 (NeRF)，而无需 3D 训练数据。这使得能够为各种文本提示生成高保真度的外观、深度和法线。DreamFusion 是一个从文本描述生成 3D 物体的 AI 模型。它利用预训练的 2D 扩散模型来创建可重新照明的 3D 资产，如神经辐射场 (NeRF)，而无需 3D 训练数据。这使得能够为各种文本提示生成高保真度的外观、深度和法线。

GET3D

AI 模型

生成式AI模型，可以直接从2D图像集合中合成高质量的3D纹理网格。它能生成具有复杂拓扑结构和丰富几何细节的多样化形状，可用于标准的3D渲染引擎。该模型使用2D图像上的对抗性损失进行训练，并在几何和纹理之间实现了解耦。GET3D是一个生成式AI模型，可以直接从2D图像集合中合成高质量的3D纹理网格。它能生成具有复杂拓扑结构和丰富几何细节的多样化形状，可用于标准的3D渲染引擎。该模型使用2D图像上的对抗性损失进行训练，并在几何和纹理之间实现了解耦。

LGM: Large Multi-View Gaussian Model

AI GitHub 仓库

用于高分辨率 3D 内容创建的大型多视图高斯模型的官方实现。它能够从多视图图像生成详细的 3D 资产，并应用于文本到 3D 和图像到 3D 工作流程。该项目提供了代码、预训练权重和推理脚本。LGM 是一个用于高分辨率 3D 内容创建的大型多视图高斯模型的官方实现。它能够从多视图图像生成详细的 3D 资产，并应用于文本到 3D 和图像到 3D 工作流程。该项目提供了代码、预训练权重和推理脚本。

Stable-DreamFusion

AI GitHub 仓库

文本到 3D 模型 DreamFusion 的 PyTorch 实现，利用 Stable Diffusion 进行 3D 内容生成。它支持文本到 3D、图像到 3D 和网格导出，通过 NeRF 和 Diffusion 技术提供灵活性。该项目使用户能够从各种输入创建 3D 资产。Stable-DreamFusion 是文本到 3D 模型 DreamFusion 的 PyTorch 实现，利用 Stable Diffusion 进行 3D 内容生成。它支持文本到 3D、图像到 3D 和网格导出，通过 NeRF 和 Diffusion 技术提供灵活性。该项目使用户能够从各种输入创建 3D 资产。

用于高分辨率文本到 3D 内容创建的 AI 工具。它使用粗到精的扩散策略从文本提示生成详细的 3D 网格模型。该工具提供基于提示的编辑和图像条件设置，以增强控制和创意应用，从而产生更高质量的 3D 资产。Magic3D 是一款用于高分辨率文本到 3D 内容创建的 AI 工具。它使用粗到精的扩散策略从文本提示生成详细的 3D 网格模型。该工具提供基于提示的编辑和图像条件设置，以增强控制和创意应用，从而产生更高质量的 3D 资产。

MVDream

AI GitHub 仓库

用于多视图 3D 生成的扩散模型，构建于 Stable Diffusion 之上。它能够从不同视角创建多个 2D 图像，是生成 3D 资产的基础组件。该项目提供了扩散模型和 2D 图像生成代码。MVDream 是一个用于多视图 3D 生成的扩散模型，构建于 Stable Diffusion 之上。它能够从不同视角创建多个 2D 图像，是生成 3D 资产的基础组件。该项目提供了扩散模型和 2D 图像生成代码。