文/图生3D“宝座一夜易主”，告别繁琐的多阶段训练，“一步快速重建超高质量”的3D资产！

文章预览

打造一个有温度、有趣味、专业的全栈式AI 交流社区， 用心写好每一篇文章！ “   高质量3D网格对于许多应用来说至关重要， 包括渲染、模拟和3D打印等等。传统的摄影测量系统和最近的神经方法，如NeRF，通常需要一组密集的对象输入视图和更长的处理时间。 虽然最近的许多工作探索了利用2D扩散模型的方法，例如生成一致的多视图图像和从RGB预测法线图，但将多视图图像转换为3D的前馈模型仍然没有得到充分的探索。 本文介绍了MeshFormer，这是一种稀疏视图重建模型，它明确地利用了3D原生结构、输入指导和训练监督。 具体来说，作者不是 使用三平面表示 ，而是将特征存储在3D稀疏体素中，并 将变换器与3D卷积相结合 ，从而利用显式的3D结构和投影偏差。除了稀疏视图RGB输入外， 还要求网络接受输入并生成相应的法线图。 输入法线图可以通过 ………………………………