HexaGen3D：稳定扩散仅一步之遥，实现快速和多样化的文字到 3D 生成
内容提要
本文综述利用预训练图像扩散模型作为先验的文本到3D生成方法：无需3D训练数据，通过分数蒸馏优化NeRF或三平面表示，可在消费级显卡上快速生成3D资产；也有方法先生成多视图再前馈重建，或结合3D GAN实现风格化头像，显著提升质量与效率。
延伸解读
无需3D数据的生成路径
文章指出，利用预训练图像扩散模型作为先验，通过分数蒸馏优化NeRF或三平面表示，可以绕过对大规模3D训练数据的需求。这意味着开发者无需构建3D数据集，仅用文本提示即可在消费级显卡上生成3D资产，降低了数据门槛和硬件成本。
速度与质量的权衡
文中提到HexaGen3D仅需约8毫秒即可生成一个3D资产，而Instant3D能在20秒内生成高质量结果，比基于优化的方法快两个数量级。但极速生成可能牺牲细节或多样性，读者需根据应用场景在速度与质量间取舍。
多视图与GAN的补充方案
除了直接蒸馏，文章还介绍了先生成多视图再前馈重建（如Instant3D）以及结合3D GAN生成风格化头像（如DiffusionGAN3D）的方法。这些方案各有侧重：前者避免Janus问题，后者提升视觉质量和多样性，为不同需求提供了选择。
Q&A
HexaGen3D 生成一个 3D 资产需要多长时间？
在消费级显卡上仅需约 8 毫秒即可根据文本提示生成一个 3D 资产。
HexaGen3D 需要 3D 训练数据吗？
不需要 3D 训练数据，它通过提炼预训练图像扩散模型作为监督信号来实现文本到 3D 生成。
HexaGen3D 的核心方法是什么？
使用大型预训练的文本到图像扩散模型生成的图像作为监督信号，通过梯度下降优化 3D 模型（如 NeRF），并结合概率密度蒸馏损失函数将 2D 扩散模型与 3D 模型结合。
HexaGen3D 与基于优化的文本到 3D 方法相比速度如何？
HexaGen3D 仅需约 8 毫秒，而基于优化的方法通常需要 1 到 10 小时，速度快了两个数量级以上。
HexaGen3D 能否在消费级硬件上运行？
可以，它能在消费级显卡上快速生成 3D 资产。
HexaGen3D 如何保证生成 3D 资产的多样性？
通过使用预训练图像扩散模型作为先验，并结合概率密度蒸馏损失函数，HexaGen3D 能够生成多样化的 3D 资产。
