清华大学和斯坦福大学的研究人员推出新型方法Physics3D，它能够通过视频扩散模型学习三维物体（3D objects）的各种物理属性。简单来说，就是利用计算机模拟来预测和再现真实世界中物体的物理行为，比如一个球掉落在软垫上会如何弹跳，或者一块布料在风中如何飘动。例如，我们想在电脑游戏中创建一个场景，其中包含柔软的布料... 阅读全文

Adob​​e 研究 、石溪大学和基尔大学的研究人员推出大型3D重建模型LRM-Zero，它完全使用合成的3D数据进行训练，以实现高质量的稀疏视图3D重建。LRM-Zero的核心是名为Zeroverse的过程化3D数据集，这个数据集通过简单的基本形状、随机纹理和增强（例如高度场、布尔差分和线框）自动合成。LRM-Zer... 阅读全文

谷歌和伊利诺伊大学香槟分校的研究人员推出IllumiNeRF，它能够在不需要复杂的逆向渲染过程的情况下，实现对3D物体的重新照明。简单来说，这项技术可以让我们对一个物体在不同光照条件下的样子进行高质量的3D重建，并在新的视角下重新照明这些物体。 项目主页：https://illuminerf.github.io 例如，... 阅读全文

Snap推出新型三维重建方法GTR（Geometry and Texture Refinement），GTR旨在从多视角图像中生成高质量的3D网格模型，其特别关注于几何形状和纹理细节的精细化。例如，你是一名游戏开发者，需要将一些2D概念艺术转换为3D模型。使用GTR，你可以通过拍摄概念艺术的多角度照片，快速生成一个高质... 阅读全文

华盛顿大学、康奈尔大学、 Google Research和加州大学伯克利分校的研究人员推出ExtraNeRF，它用于扩展神经辐射场（Neural Radiance Fields, NeRF）的视图范围，特别是当只有少数输入视图可用时。NeRF是一种能够从一组图像重建场景并从新视点渲染场景的深度学习模型，但传统的NeRF... 阅读全文

南开大学和旷视科技的研究人员推出新技术LE3D（Lighting Every Darkness with 3DGS），它是用来快速训练和实时渲染高动态范围（HDR）视图合成的。例如，你用手机在夜晚或者光线复杂的地方拍照，通常照片可能会过暗或者颜色失真。使用LE3D技术，你可以实时地渲染出更加清晰和色彩准确的3D场景，甚... 阅读全文

浙江大学、香港大学、腾讯游戏和德克萨斯农工大学的研究人员推出DreamMat，它是一种用于生成高质量PBR（基于物理的渲染）材质的系统。简单来说，DreamMat可以根据文本描述和未贴图的3D模型，生成逼真的材质效果，这些效果可以用于现代图形引擎中，实现照片级的渲染效果。 项目主页：https://zzzyuqing.... 阅读全文

加州大学洛杉矶分校、亚马逊和犹他大学的研究人员推出Atlas3D，它能够根据文本描述自动生成三维模型，并且这些模型在物理世界中能够自我支撑，保持稳定。例如你告诉电脑“我需要一个站立的玩具士兵模型”，Atlas3D就能够设计出这个模型，并确保它在真实世界中能够稳稳地站立，不需要额外的支撑。 项目主页：https://yu... 阅读全文

德国慕尼黑工业大学的研究人员推出NPGA（Neural Parametric Gaussian Avatars，神经参数高斯头像）的技术，它是一种用于创建高保真度、可控的3D虚拟头像的方法。这些头像能够从多视角视频录像中生成，并且具有精细的表情控制能力。例如，你是一名电影制片人，需要为即将上映的科幻电影制作一个外星生物... 阅读全文

宾夕法尼亚大学、苹果和香港大学的研究人员推出新框架GECO（Generative Image-to-3D within a SECOnd），它能够在大约0.35秒内，使用单个图像作为输入，在单个L40 GPU上生成高质量的3D模型。GECO的目标是简化3D资产的生成过程，使其更加高效和易于访问，同时保持生成结果的高质量... 阅读全文

浙江大学的研究人员推出新型框架PLA4D（Pixel-Level Alignments for Text-to-4D Gaussian Splatting），它用于将文本描述转换成4D内容，即动态的三维对象。这项技术的核心在于它能够理解和生成具有时间维度的3D对象，这在游戏制作、自动驾驶和其他许多应用领域具有巨大的潜力... 阅读全文

香港大学和清华大学的研究人员推出新框架Part123，它能够从单视图图像中重建出具有结构意义的部分（part-aware）的3D模型。Part123利用了扩散模型（diffusion models）生成多视图一致的图像，并结合了Segment Anything Model（SAM），这是一个强大的通用图像分割模型，能够... 阅读全文