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。

该研究提出了一种可微分的公式，用于计算任意视角观察的3D形状的梯度，并重新定义可微的Ray一致性项，以重新推导视图一致性。该公式可用于学习单视角3D预测的监督，并可改进现有技术从PASCAL VOC数据集中对物体进行单视图重建。