論文の概要: Meta 3D AssetGen: Text-to-Mesh Generation with High-Quality Geometry, Texture, and PBR Materials

• arxiv url: http://arxiv.org/abs/2407.02445v1
• Date: Tue, 2 Jul 2024 17:21:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-03 14:27:11.830989
• Title: Meta 3D AssetGen: Text-to-Mesh Generation with High-Quality Geometry, Texture, and PBR Materials
• Title（参考訳）: Meta 3D AssetGen: 高品質な幾何学・テクスチャ・PBR材料を用いたテキスト・ツー・メシュ生成
• Authors: Yawar Siddiqui, Tom Monnier, Filippos Kokkinos, Mahendra Kariya, Yanir Kleiman, Emilien Garreau, Oran Gafni, Natalia Neverova, Andrea Vedaldi, Roman Shapovalov, David Novotny,
• Abstract要約: AssetGenはテキストから3D生成の大幅な進歩である。 テクスチャと素材制御を備えた忠実で高品質なメッシュを生成する。
• 参考スコア（独自算出の注目度）: 58.178540282148475
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present Meta 3D AssetGen (AssetGen), a significant advancement in text-to-3D generation which produces faithful, high-quality meshes with texture and material control. Compared to works that bake shading in the 3D object's appearance, AssetGen outputs physically-based rendering (PBR) materials, supporting realistic relighting. AssetGen generates first several views of the object with factored shaded and albedo appearance channels, and then reconstructs colours, metalness and roughness in 3D, using a deferred shading loss for efficient supervision. It also uses a sign-distance function to represent 3D shape more reliably and introduces a corresponding loss for direct shape supervision. This is implemented using fused kernels for high memory efficiency. After mesh extraction, a texture refinement transformer operating in UV space significantly improves sharpness and details. AssetGen achieves 17% improvement in Chamfer Distance and 40% in LPIPS over the best concurrent work for few-view reconstruction, and a human preference of 72% over the best industry competitors of comparable speed, including those that support PBR. Project page with generated assets: https://assetgen.github.io
• Abstract（参考訳）: そこで我々はMeta 3D AssetGen(AssetGen)を提案する。これはテクスチャと素材制御を備えた忠実で高品質なメッシュを生成するテキストから3D生成の大幅な進歩である。 3Dオブジェクトの外観におけるベークシェーディングと比較すると、AssetGenは物理ベースのレンダリング(PBR)素材を出力し、リアルなリライティングをサポートする。 AssetGenは、まず、因子付きシェードとアルベドの外観チャネルを持つオブジェクトのいくつかのビューを生成し、その後、遅延シェーディング損失を使用して、3Dで色、金属性、粗さを再構築し、効率的な監視を行う。 また、3次元形状をより確実に表現するために、符号距離関数を使用し、直接形状を監督するために対応する損失を導入する。 これは、メモリ効率を高めるために融合カーネルを用いて実装されている。 メッシュ抽出後、UV空間で動作するテクスチャ精細変換器はシャープネスとディテールを著しく改善する。 AssetGenは、チェムファー距離を17%改善し、LPIPSを40%改善した。 生成された資産を持つプロジェクトページ: https://assetgen.github.io

関連論文リスト

• Boosting 3D Object Generation through PBR Materials [32.732511476490316]
  物理ベースレンダリング(PBR)材料の観点から,生成した3Dオブジェクトの品質を高める新しい手法を提案する。 アルベドやバンプマップでは、合成データに微調整された安定拡散を利用してこれらの値を抽出する。 粗さと金属度マップについては,対話的な調整を行うためのセミオートマチックなプロセスを採用する。
  論文  参考訳（メタデータ） (2024-11-25T04:20:52Z)
• Meta 3D Gen [57.313835190702484]
  3DGenは、3Dアセットを作成でき、高速な忠実さと高品質な3D形状とテクスチャを1分以内で提供する。 3DGenは、現実世界のアプリケーションで3Dアセットのリライトに必要な物理ベースのレンダリング(PBR)をサポートする。
  論文  参考訳（メタデータ） (2024-07-02T18:37:52Z)
• GaussianDreamerPro: Text to Manipulable 3D Gaussians with Highly Enhanced Quality [99.63429416013713]
  3D-GSは現実世界のシーンの再構築とレンダリングで大きな成功を収めた。 高いレンダリング品質を生成タスクに転送するために、テキストから3Dガウス資産を生成するための一連の研究が進められている。 生成品質を向上させるため,GaussianDreamerProという新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-26T16:12:09Z)
• MeshAnything: Artist-Created Mesh Generation with Autoregressive Transformers [76.70891862458384]
  メッシュ抽出を生成問題として扱うモデルであるMeshAnythingを導入する。 任意の3D表現の3DアセットをAMに変換することで、MeshAnythingは様々な3Dアセット生産方法に統合することができる。 本手法は, 顔の数百倍少ないAMを生成し, 記憶, レンダリング, シミュレーション効率を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-06-14T16:30:25Z)
• Texture-GS: Disentangling the Geometry and Texture for 3D Gaussian Splatting Editing [79.10630153776759]
  3Dガウススプラッティングは画期的なアプローチとして登場し、高忠実度再構成とリアルタイムレンダリングの能力に注目が集まっている。 そこで我々は,テクスチャ-GSという新しいアプローチを提案し,その外観を3次元表面上にマッピングされた2次元テクスチャとして表現することで幾何学から切り離す。 提案手法は,高精細な外観の編集を容易にするだけでなく,コンシューマレベルのデバイス上でのリアルタイムレンダリングも実現している。
  論文  参考訳（メタデータ） (2024-03-15T06:42:55Z)
• IM-3D: Iterative Multiview Diffusion and Reconstruction for High-Quality 3D Generation [96.32684334038278]
  本稿では,テキスト・ツー・3Dモデルの設計空間について検討する。 画像生成装置の代わりに映像を考慮し、マルチビュー生成を大幅に改善する。 IM-3Dは,2次元ジェネレータネットワーク10-100xの評価回数を削減する。
  論文  参考訳（メタデータ） (2024-02-13T18:59:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。