Key points are not available for this paper at this time.
Générer des modèles humains 3D directement à partir de texte aide à réduire le coût et le temps de modélisation des personnages. Cependant, parvenir à une génération d'avatars humains 3D réalistes et contrôlables avec plusieurs attributs reste un défi en raison du couplage des caractéristiques et de la rareté des ensembles de données réalistes d'avatars humains 3D. Pour répondre à ces problèmes, nous proposons Text2Avatar, qui peut générer des avatars 3D de style réaliste basés sur des invites textuelles couplées. Text2Avatar exploite un codebook discret comme caractéristique intermédiaire pour établir une connexion entre le texte et les avatars, permettant le démêlage des caractéristiques. De plus, pour atténuer la rareté des données d'avatars humains 3D de style réaliste, nous utilisons un modèle de génération d'avatars humains 3D inconditionnel pré-entraîné pour obtenir une grande quantité de pseudo-données d'avatars 3D, ce qui permet à Text2Avatar d'atteindre une génération de style réaliste. Les résultats expérimentaux montrent que notre méthode peut générer des avatars 3D réalistes à partir de données textuelles couplées, ce qui est un défi pour d'autres méthodes existantes dans ce domaine.
Gong et al. (Mon,) ont étudié cette question.