该论文提出了一种新的3D资产生成框架,支持通过不完整形状、图像和文字描述生成3D形状。同时,研究介绍了基于扩散模型的3D形状补全方法和新的形状表示方法Mosaic-SDF,展示了其在3D生成和跟踪中的有效性。
该文综述基于深度学习的单图像三维重建:利用深度网络从单图预测3D点云,提出条件形状采样器以应对真实世界几何变换与地面模糊,可生成多个可能形状;另有方法用2D卷积多视角预测3D结构,并结合几何推理与投影优化生成密集点云。综述还梳理形状表示、网络结构与训练机制进展,比较性能并展望方向。
完成下面两步后,将自动完成登录并继续当前操作。