三维内容的自动化生成对于虚拟现实、游戏、影视等具有重要意义。针对根据自然语言指令高效、可控地生成高质量三维物体中存在的问题,提出基于大语言模型的三维资产程序化生成与评估方法。首先将用户自然语言描述转换为InfiniGen库的脚本指令,生成符合语义要求的三维模型,实现从文本到代码再到三维物体的跨模态转换;然后使用CLIP模型的筛选优化机制对生成结果进行评估和打分;最后根据分数自动选择三维模型。实验结果表明,与不采用CLIP筛选的基线方法相比,所提方法显著地提高了生成三维模型的质量以及与输入文本的一致性;在多个类别的三维物体生成任务上,该方法取得了更高的CLIP匹配分数;证明了将大模型与程序化三维生成技术相结合的可行性,为跨模态可控生成三维内容提供了一条有效的路径。
Hang et al. (Sun,) studied this question.