DreamReward: 人类偏好的文本生成三维图形
原文中文，约2000字，阅读约需5分钟。
📝
内容提要
本文介绍了多个先进的文本到图像和3D生成模型，如ImageReward、DreamAvatar和Control3D。这些模型通过人类反馈和新技术显著提升了生成质量和一致性，解决了文本到3D生成中的几何不一致问题，并展示了在机器人操控和3D建模领域的应用潜力。
❓
Q&A
ImageReward 是什么？
ImageReward 是第一个通用的文本到图像人类偏好奖励模型，基于 137k 个专家比较的数据集进行训练。
DreamAvatar 有什么优势？
DreamAvatar 生成高质量、可控制姿态的 3D 人类头像，显著优于现有方法。
RetDream 如何解决几何不一致问题？
RetDream 通过检索辅助的方法解决文本到 3D 生成中的几何不一致问题，实现了几何一致性和生成场景的忠实度的显著改进。
Text2Reward 框架的应用是什么？
Text2Reward 框架在机器人操控和运动任务中实现了迭代优化，成功率超过 94%。
Control3D 如何增强用户的可控性？
Control3D 通过手绘草图引导三维场景的学习，使生成的三维场景与输入的文本提示和草图紧密对齐。
BoostDream 的主要功能是什么？
BoostDream 是一种高效的 3D 细化方法，能够将粗糙的 3D 资产转化为高质量的 3D 资产，克服了双面问题。
🏷️
