浙大、蚂蚁集团推出MaPa:文本生成超真实3D模型
声明:本文来自于微信公众号 AIGC开放社区(ID:AIGCOPEN),蚂蚁模型作者:AIGC开放社区,集团授权CSS站长资源转载发布。推出
浙江大学、文本蚂蚁集团、生成实深圳大学联合推出了创新模型MaPa。蚂蚁模型
与传统纹理方法不同的集团是,MaPa通过文本能直接生成高分辨率、推出物理光照、文本超真实材质的生成实3D模型,可以极大提升游戏、蚂蚁模型VR、集团AR、推出影视等行业的文本开发效率。
研究人员在多个知名平台对MaPa进行了综合测试。生成实结果显示,在无参考图像的情况下MaPa生成的模型材质、分辨率、局部细节,比TEXTure、Text2tex、Fantasia3D等模型的效果更好。
论文地址:https://arxiv.org/abs/2404.17569
MaPa功能展示
分段图像生成
为了更好地还原用户的文本提示和提升模型质量,MaPa在生成的过程中会将3D网格细分为多个细小的分段。该过程有点类似将一幅画作分解成多个小碎块,这样每块的细节都能够独立处理,以便于后续上色和材质的精细调整。
然后,MaPa会将这些3D分段投影到2D空间中生成2D图像。为了获得最佳的2D分割图像,MaPa需要选择一个合适的视角。
通过均匀采样一系列视角,并选择能够产生最多2D分段的视角作为起始视角,以确保生成的2D图像能够尽可能多地捕捉到3D分段的细节。
在2D图像生成中,MaPa使用了ControlNet,这是一个预训练的2D扩散模型,能够根据给定的条件生成相应的2D图像。研究人员对ControlNet进行了微调,使其能够适应特定的分段条件,从而生成与3D分段更加对齐的2D图像。
3D材质分组
通常在3D模型的材质生成过程中有一个难题,就是该如何将不同的材质部分有效地组织和管理。而MaPa通过使用“材质分组”模块,来自动智能识别和分组相似材质的3D分段,从而提升渲染的质量,同时又减少了后续的优化流程。
MaPa使用了GPT-4v模型进行材质分类。GPT-4v不仅识别准确率高,对于用户的文本语义理解能力也很强,可以精准提炼出文本中的特殊材质。
此外,材质分组还内置了一个材质颜色相似性分析模块,通过反射率估计网络来评估不同分段的颜色,并在CIE颜色空间中进行比较。
如果两个分段的材质颜色足够接近,就会被归为同一组进一步提升材质的一致性。
材质图优化
对材质分好组之后,MaPa会从一个预建的材质图库中检索最相似的材质图作为初始值,再通过可微渲染模块对材质图的参数进行优化,使得渲染图像尽可能接近生成的3D模型。
在渲染的过程中MaPa使用了DiffMat v2框架,能够将材质图转换为纹理空间映射,例如,反照率图、法线图和粗糙度图等,使得选定的材质图参数使其更贴近生成的3D模型。
材质图优化模块还包括一个可微分渲染器,能够根据材质图渲染出2D图像,并与生成的3D模型进行比较,通过最小化两者之间的差异来优化材质图参数。这种方法不仅提高了材质的真实感,还保持了渲染的效率。
由于3D模型的架构比较复杂,一次难以生成精准生成。所以,MaPa使用了连续迭代的方法,可以为模型的每个部分生成一致且真实的材质,即便是那些非常复杂的3D模型架构也没问题。
(责任编辑:短视频)
- ·专家称调休时很多人在假装上班 长时间劳累或导致工作效率下降
- ·63岁健身阿姨称走红后视频被盗用:用于带货 甚至编造故事
- ·ChatGPT 企业用户数量在不到一年内增长至60万
- ·首发7999元 联想小新Pro 16 2024独显版上市:Ultra 5 125H RTX 4050
- · iOS18需要迎头赶上 Android 的3大人工智能功能
- ·LV回应新包背5小时铆钉掉落:符合条件有相关退换政策
- ·一车两用!长安启源E07即将开启盲定:定位多用途跨界SUV
- ·女子抱娃开车出事故:1岁娃娃成了“安全气囊”
- ·每月1.6亿流量还在涨,人类社交行为正在被AI改变?
- ·如何为小米SU7穿上完美车衣 官方提醒来了