计图开源：利用扩散模型与NeRF从单张图像生成高保真三维物体：Make-It-3D-Jittor

文章预览

上海交通大学、香港科技大学 、微软研究院的研究者合作提出了 Make-It-3D 方法，通过使用 2D 扩散模型作为 3D-aware 先验，从单个图像中创建高保真度的 3D 物体。该框架仅需单张图像作为输入，不需要多视图图像进行训练，并可应用于通用物体的输入图像。 论文已在  ICCV 2023发表。 该论文刚公布，就引发了推特上的热烈讨论，开源代码在 Github 累计收获超过 1700颗 星。 近日，上海交通大学研究团队发布基于 Jittor 深度学习框架实现的版本， Jittor 团队为实现提供了技术支持。 Jittor 版本取得了与 Pytorch 版本同样质量的生成结果，但是所需的训练时间较 Pytorch 版本更短，训练速度是 Pytorch 版本的 1.45 倍 。 Part 1 问题和背景 人类对视觉世界具有深入的理解，凭借丰富的视觉先验知识，仅通过一张照片即可轻松推断出其3D几何形态及在不同视角下的 ………………………………