最新的文本到图像扩散模型在文本到三维生成领域取得重大突破，通过文本提示和手绘草图生成准确的三维场景，提高用户可控性和交互性。

通过引入神经光辐射场（NeRFs），文本到三维生成方法取得了进展。最新工作通过多视角数据微调二维扩散模型，强制执行细粒度的视图一致性。该方法有效减轻了浮动点和完全空白空间的问题。在T$^3$Bench数据集上，该方法达到了最先进的性能。