Key points are not available for this paper at this time.
A criação de conteúdo 3D a partir de uma única imagem é uma tarefa antiga, mas altamente desejável. Avanços recentes introduzem priors de difusão 2D, gerando resultados razoáveis. No entanto, os métodos existentes não são suficientemente hiper-realistas para uso pós-geração, pois os usuários não podem visualizar, renderizar e editar o conteúdo 3D resultante de uma gama completa. Para abordar esses desafios, apresentamos o HyperDreamer com vários designs principais e propriedades atraentes: 1) Visível em toda a gama: modelagem de malha 360° com texturas de alta resolução permite a criação de modelos 3D visualmente atraentes a partir de uma gama completa de pontos de observação. 2) Renderizável em toda a gama: Segmentação semântica de alta granulação e priors baseados em dados são incorporados como guia para aprender propriedades razoáveis de albedo, rugosidade e especular dos materiais, permitindo a estimativa arbitrária de materiais com consciência semântica. 3) Editável em toda a gama: Para um modelo gerado ou seus próprios dados, os usuários podem interativamente selecionar qualquer região com alguns cliques e editar eficientemente a textura com orientação baseada em texto. Experimentos extensivos demonstram a eficácia do HyperDreamer na modelagem de materiais com consciência de região e texturas de alta resolução, além de possibilitar uma edição amigável ao usuário. Acreditamos que o HyperDreamer promete avançar a criação de conteúdo 3D e encontrar aplicações em vários domínios.
Wu et al. (Sun,) estudaram essa questão.