Plenoxels：辐射场

NeRF: 神经辐射场

AI 模型

NeRF，即神经辐射场，通过优化连续的体积场景函数来合成复杂场景的新视角。它使用稀疏的输入视图集，通过深度网络表示场景，输出密度和视依赖辐射。该方法在神经渲染和视图合成方面取得了最先进的成果。

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。

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。

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。

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。

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。

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。

GaussianObject

AI GitHub 仓库

框架，可使用高斯溅射技术从仅四视图中进行高质量 3D 对象重建。它结合了视觉外壳技术和扩散模型进行精炼，即使没有 COLMAP 也能取得优异成果，使 3D 重建更易于访问。GaussianObject 是一个框架，可使用高斯溅射技术从仅四视图中进行高质量 3D 对象重建。它结合了视觉外壳技术和扩散模型进行精炼，即使没有 COLMAP 也能取得优异成果，使 3D 重建更易于访问。