


Nouvelle technologie Repaint123 : Générez efficacement de la 3D à vue unique de haute qualité en seulement 2 minutes !
La méthode de conversion d'une image en 3D utilise généralement l'échantillonnage par distillation de score (SDS). Bien que les résultats soient impressionnants, il existe encore plusieurs défauts, notamment l'incohérence multi-vue, la sursaturation et les textures trop lisses. ainsi que des problèmes tels qu'une vitesse de génération lente.
Pour résoudre ces problèmes, des chercheurs de l'Université de Pékin, de l'Université nationale de Singapour, de l'Université de Wuhan et d'autres institutions ont proposé Repaint123 pour atténuer le biais de vues multiples, la dégradation de la texture et accélérer le processus de génération.
Adresse papier : https://arxiv.org/pdf/2312.13271.pdf
GitHub : https://github.com/PKU-YuanGroup/repaint123
Adresse du projet : https ://pku-yuangroup.github.io/repaint123/
L'idée principale est de combiner les capacités de génération d'images du modèle de diffusion 2D avec les capacités d'alignement de texture pour produire des images multi-vues de haute qualité.
L'auteur propose en outre une intensité de redessin adaptative sensible à la visibilité pour améliorer la qualité de l'image générée.
Les images cohérentes multi-vues de haute qualité générées permettent une génération rapide de contenu 3D à l'aide d'une simple perte d'erreur quadratique moyenne (MSE).
L'auteur a prouvé expérimentalement que Repaint123 est capable de générer du contenu 3D de haute qualité en 2 minutes, avec une cohérence multi-vues et des textures fines.
Les principales contributions de l'article sont les suivantes :
1. Repaint123 considère de manière exhaustive le processus de redessinage contrôlable de l'image vers la génération 3D et peut générer des séquences d'images cohérentes de haute qualité sous plusieurs perspectives.
2. Repaint123 a proposé une ligne de base générée en 3D à vue unique Dans la phase de modèle grossier, Zero123 a été utilisé comme a priori 3D et comme perte SDS pour optimiser rapidement la géométrie d'éclaboussure gaussienne (1 minute). La diffusion a été utilisée comme préalable 2D et la perte SDS affine rapidement les textures de maillage (1 minute).
3. Des expériences approfondies ont vérifié l'efficacité de la méthode Repaint123, qui peut générer du contenu 3D correspondant à la qualité de la génération 2D à partir d'une seule image en seulement 2 minutes.
Figure 1 : Motivation du papier : génération 3D à vue unique rapide, cohérente et de haute qualité
Méthode spécifique :
Repaint123 Les principales améliorations se concentrent sur l'étape de raffinement du maillage, qui contient deux parties : génération cohérente de séquences d'images de haute qualité à partir de plusieurs perspectives et reconstruction 3D rapide et de haute qualité.
Au stade du modèle approximatif, l'auteur utilise l'éclaboussure gaussienne 3D comme représentation 3D, et la géométrie et la texture approximatives du modèle sont optimisées grâce à la perte SDS.
Dans la phase de raffinement, l'auteur convertit le modèle grossier en une représentation maillée et propose un schéma de redessin de raffinement de texture progressif et contrôlable.
Tout d'abord, les auteurs redessinent progressivement la zone invisible par rapport à la vue précédemment optimisée grâce au contrôle géométrique et au guidage à partir de l'image de référence, obtenant ainsi une image cohérente de la nouvelle vue.
Ensuite, les auteurs adoptent des repères d'image pour un guidage sans classificateur et conçoivent une stratégie de redessin adaptative pour améliorer encore la qualité de génération des régions qui se chevauchent.
Enfin, en générant des images de haute qualité et cohérentes, les auteurs exploitent une simple perte MSE pour générer rapidement du contenu 3D.
Génération de séquences d'images cohérentes de haute qualité multi-vues :
Comme le montre la figure 2, la génération de séquences d'images cohérentes de haute qualité multi-vues est divisée en quatre parties suivantes :
Figure 2 : Processus de génération d'image cohérent sous plusieurs perspectives
Inversion DDIM
Afin de préserver les informations de texture basse fréquence cohérentes en 3D générées au stade du modèle approximatif, l'auteur utilise l'inversion DDIM pour inverser l'image. à un certain latent pour le débruitage ultérieur Générer des images fidèles et cohérentes comme base.
Débruitage contrôlable
Afin de contrôler la cohérence de la géométrie et de la texture à longue portée, lors de l'étape de débruitage, l'auteur utilise ControlNet pour introduire la carte de profondeur du rendu grossier du modèle comme a priori géométrique, et injecte la fonction Attention de l'image de référence pour la texture migration.
Dans le même temps, afin d'effectuer des conseils sans classificateur pour améliorer la qualité de l'image, le document utilise CLIP pour encoder l'image de référence dans un réseau de débruitage d'invite d'image.
Obtenir un masque d'occlusion
Afin d'obtenir le masque d'occlusion Mn à partir de la nouvelle vue de l'image rendue In et de la carte de profondeur Dn, étant donné la vue de référence redessinée Vr de Ir et Dr, l'auteur First , en utilisant la profondeur Dr pour mettre à l'échelle les pixels 2D de Vr à un nuage de points 3D, puis en restituant le nuage de points 3D Pr à partir de la nouvelle perspective Vn, la carte de profondeur Dn' est obtenue.
L'auteur considère la zone avec des valeurs de profondeur différentes entre les deux nouvelles cartes de profondeur de vue (Dn et Dn') comme étant la zone d'occlusion dans le masque d'occlusion.
Repeindre progressivement les occlusions et les chevauchements
Afin de garantir que les zones qui se chevauchent de la séquence d'images et des images adjacentes sont alignées au niveau des pixels, l'auteur utilise une stratégie de repeinture locale progressive tout en conservant le chevauchement. zones inchangées Générez des zones adjacentes harmonieuses, et ainsi de suite depuis la perspective de référence à 360°.
Cependant, comme le montre la figure 3, l'auteur a constaté que la zone de chevauchement doit également être affinée, car la résolution visuelle d'une zone précédemment strabisée devient plus grande lorsqu'on lui fait face directement, et davantage d'informations à haute fréquence doivent être ajoutées. .
Afin de choisir l'intensité d'amincissement appropriée pour assurer la fidélité tout en améliorant la qualité, l'auteur s'appuie sur le théorème de projection et l'idée de super-résolution d'image pour proposer une stratégie de redessinage simple et directe sensible à la visibilité pour affiner l'image. zone de chevauchement, et l'intensité de raffinement est égale à 1-cosθ* (où θ* est l'angle maximum entre tous les angles de caméra précédents et le vecteur normal de la surface visualisée), redessinant ainsi de manière adaptative la zone de chevauchement.
Figure 3 : La relation entre l'angle de la caméra et l'intensité de l'amincissement
Reconstruction 3D rapide et de haute qualité :
Comme le montre la figure 4, l'auteur adopte une méthode en deux étapes, d'abord en utilisant la représentation Gaussian Splatting pour générer rapidement une géométrie raisonnable et des textures rugueuses. Dans le même temps, avec la séquence d'images cohérentes de haute qualité générée ci-dessus sous plusieurs perspectives, l'auteur a pu utiliser une simple perte MSE pour une reconstruction rapide de texture 3D.
Figure 4 : Cadre de génération 3D à vue unique en deux étapes Repaint123
Résultats expérimentaux
L'auteur a comparé plusieurs méthodes de tâches de génération à vue unique et a obtenu une cohérence sur les ensembles de données RealFusion15 et Test-alpha. effets les plus avancés en termes de qualité et de rapidité.
Comparaison visuelle de la génération 3D à vue unique
Comparaison quantitative de la génération 3D à vue unique
Expérience d'ablation
En même temps , l'auteur a également utilisé l'efficacité de chaque module et l'incrément de rotation de l'angle de vision pour des expériences d'ablation :
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

0. À quoi sert cet article ? Nous proposons DepthFM : un modèle d'estimation de profondeur monoculaire génératif de pointe, polyvalent et rapide. En plus des tâches traditionnelles d'estimation de la profondeur, DepthFM démontre également des capacités de pointe dans les tâches en aval telles que l'inpainting en profondeur. DepthFM est efficace et peut synthétiser des cartes de profondeur en quelques étapes d'inférence. Lisons ce travail ensemble ~ 1. Titre des informations sur l'article : DepthFM : FastMonocularDepthEstimationwithFlowMatching Auteur : MingGui, JohannesS.Fischer, UlrichPrestel, PingchuanMa, Dmytr

Imaginez un modèle d'intelligence artificielle qui non seulement a la capacité de surpasser l'informatique traditionnelle, mais qui permet également d'obtenir des performances plus efficaces à moindre coût. Ce n'est pas de la science-fiction, DeepSeek-V2[1], le modèle MoE open source le plus puissant au monde est ici. DeepSeek-V2 est un puissant mélange de modèle de langage d'experts (MoE) présentant les caractéristiques d'une formation économique et d'une inférence efficace. Il est constitué de 236B paramètres, dont 21B servent à activer chaque marqueur. Par rapport à DeepSeek67B, DeepSeek-V2 offre des performances plus élevées, tout en économisant 42,5 % des coûts de formation, en réduisant le cache KV de 93,3 % et en augmentant le débit de génération maximal à 5,76 fois. DeepSeek est une entreprise explorant l'intelligence artificielle générale

Boston Dynamics Atlas entre officiellement dans l’ère des robots électriques ! Hier, l'Atlas hydraulique s'est retiré "en larmes" de la scène de l'histoire. Aujourd'hui, Boston Dynamics a annoncé que l'Atlas électrique était au travail. Il semble que dans le domaine des robots humanoïdes commerciaux, Boston Dynamics soit déterminé à concurrencer Tesla. Après la sortie de la nouvelle vidéo, elle a déjà été visionnée par plus d’un million de personnes en seulement dix heures. Les personnes âgées partent et de nouveaux rôles apparaissent. C'est une nécessité historique. Il ne fait aucun doute que cette année est l’année explosive des robots humanoïdes. Les internautes ont commenté : Les progrès des robots ont fait ressembler la cérémonie d'ouverture de cette année à des êtres humains, et le degré de liberté est bien plus grand que celui des humains. Mais n'est-ce vraiment pas un film d'horreur ? Au début de la vidéo, Atlas est allongé calmement sur le sol, apparemment sur le dos. Ce qui suit est à couper le souffle

Plus tôt ce mois-ci, des chercheurs du MIT et d'autres institutions ont proposé une alternative très prometteuse au MLP – KAN. KAN surpasse MLP en termes de précision et d’interprétabilité. Et il peut surpasser le MLP fonctionnant avec un plus grand nombre de paramètres avec un très petit nombre de paramètres. Par exemple, les auteurs ont déclaré avoir utilisé KAN pour reproduire les résultats de DeepMind avec un réseau plus petit et un degré d'automatisation plus élevé. Plus précisément, le MLP de DeepMind compte environ 300 000 paramètres, tandis que le KAN n'en compte qu'environ 200. KAN a une base mathématique solide comme MLP est basé sur le théorème d'approximation universelle, tandis que KAN est basé sur le théorème de représentation de Kolmogorov-Arnold. Comme le montre la figure ci-dessous, KAN a

L’IA change effectivement les mathématiques. Récemment, Tao Zhexuan, qui a prêté une attention particulière à cette question, a transmis le dernier numéro du « Bulletin de l'American Mathematical Society » (Bulletin de l'American Mathematical Society). En se concentrant sur le thème « Les machines changeront-elles les mathématiques ? », de nombreux mathématiciens ont exprimé leurs opinions. L'ensemble du processus a été plein d'étincelles, intense et passionnant. L'auteur dispose d'une équipe solide, comprenant Akshay Venkatesh, lauréat de la médaille Fields, le mathématicien chinois Zheng Lejun, l'informaticien de l'Université de New York Ernest Davis et de nombreux autres universitaires bien connus du secteur. Le monde de l’IA a radicalement changé. Vous savez, bon nombre de ces articles ont été soumis il y a un an.

Quoi? Zootopie est-elle concrétisée par l’IA domestique ? Avec la vidéo est exposé un nouveau modèle de génération vidéo domestique à grande échelle appelé « Keling ». Sora utilise une voie technique similaire et combine un certain nombre d'innovations technologiques auto-développées pour produire des vidéos qui comportent non seulement des mouvements larges et raisonnables, mais qui simulent également les caractéristiques du monde physique et possèdent de fortes capacités de combinaison conceptuelle et d'imagination. Selon les données, Keling prend en charge la génération de vidéos ultra-longues allant jusqu'à 2 minutes à 30 ips, avec des résolutions allant jusqu'à 1080p, et prend en charge plusieurs formats d'image. Un autre point important est que Keling n'est pas une démo ou une démonstration de résultats vidéo publiée par le laboratoire, mais une application au niveau produit lancée par Kuaishou, un acteur leader dans le domaine de la vidéo courte. De plus, l'objectif principal est d'être pragmatique, de ne pas faire de chèques en blanc et de se mettre en ligne dès sa sortie. Le grand modèle de Ke Ling est déjà sorti à Kuaiying.

Je pleure à mort. Le monde construit à la folie de grands modèles. Les données sur Internet ne suffisent pas du tout. Le modèle de formation ressemble à « The Hunger Games », et les chercheurs en IA du monde entier se demandent comment nourrir ces personnes avides de données. Ce problème est particulièrement important dans les tâches multimodales. À une époque où rien ne pouvait être fait, une équipe de start-up du département de l'Université Renmin de Chine a utilisé son propre nouveau modèle pour devenir la première en Chine à faire de « l'auto-alimentation des données générées par le modèle » une réalité. De plus, il s’agit d’une approche à deux volets, du côté compréhension et du côté génération, les deux côtés peuvent générer de nouvelles données multimodales de haute qualité et fournir un retour de données au modèle lui-même. Qu'est-ce qu'un modèle ? Awaker 1.0, un grand modèle multimodal qui vient d'apparaître sur le Forum Zhongguancun. Qui est l'équipe ? Moteur Sophon. Fondé par Gao Yizhao, doctorant à la Hillhouse School of Artificial Intelligence de l’Université Renmin.

Récemment, le milieu militaire a été submergé par la nouvelle : les avions de combat militaires américains peuvent désormais mener des combats aériens entièrement automatiques grâce à l'IA. Oui, tout récemment, l’avion de combat IA de l’armée américaine a été rendu public pour la première fois, dévoilant ainsi son mystère. Le nom complet de ce chasseur est Variable Stability Simulator Test Aircraft (VISTA). Il a été personnellement piloté par le secrétaire de l'US Air Force pour simuler une bataille aérienne en tête-à-tête. Le 2 mai, le secrétaire de l'US Air Force, Frank Kendall, a décollé à bord d'un X-62AVISTA à la base aérienne d'Edwards. Notez que pendant le vol d'une heure, toutes les actions de vol ont été effectuées de manière autonome par l'IA ! Kendall a déclaré : "Au cours des dernières décennies, nous avons réfléchi au potentiel illimité du combat air-air autonome, mais cela a toujours semblé hors de portée." Mais maintenant,
