RealmDreamer: 基于文本驱动的带修补和深度扩散的 3D 场景生成
原文中文，约300字，阅读约需1分钟。发表于：。介绍了一种名为 RealmDreamer 的技术，可以通过文本描述生成通用的正面视图 3D 场景，并且具备高质量和多样性。该技术利用先进的文本到图像生成器初始化 3D 平面，并通过多个视图进行 3D 修补和基于图像的扩散建模，从而生成富含几何结构的场景。最后，通过图像生成器的锐化样本对模型进行微调，而无需视频或多视角数据，同时还可以从单个图像合成 3D 场景。
本研究介绍了一种新颖的任务，即基于文本导向的主题驱动图像修复。通过DreamInpainter方法的两步法，结合主题特征和令牌选择模块，实现了准确的主题复制和主题身份保留。实验证明该方法在视觉质量、身份保护和文本控制方面表现出卓越性能。
