划重点:

⭐️ 该项目致力于从文本指令自动生成卡通角色的过文纹理设计。

⭐️ 提出了 Make-It-Vivid 方法，字描通过 UV 空间中的述生文本生成高质量的纹理贴图。

⭐️ 实验表明该方法在纹理生成方面优于当前方法，卡通可实现高效角色着色和信实的动画生成。

CSS站长资源（ChinaZ.com）4月3日 消息:在创造生动的角色3D动画角色时，面临着这样的过文挑战，除了要满足特定领域的字描高要求比如角色需要有独特风格和丰富细节，还缺乏高质量的述生数据支撑。现有方法通常无法生成具有丰富细节，卡通和过度自然的动画纹理，使得角色看起来不真实，角色不够生动。过文

因此，字描来自上海交通大学的述生海AI实验室和清华大学的研究团队，研究着眼于基于输入指令为卡通角色自动生成纹理设计。为了解决领域特定需求和高质量数据不足的挑战，他们提出了 “Make-It-Vivid” 方法，这是首次尝试从文本中在 UV 空间生成高质量纹理。

这个框架能够根据文本描述自动生成高质量的3D纹理。该方法通过使用视觉问答代理生成了详细的文本 - 纹理配对数据，为3D 角色准备了数据。然后，他们定制了一个预训练的文本到图像模型，以模板结构生成纹理地图，同时保留自然的2D 图像知识。此外，为了增强细粒度细节，他们提出了一种新颖的对抗学习方案，缩短了原始数据集与真实纹理领域之间的域差。

大量实验证明，他们的方法优于当前的纹理生成方法，实现了高效的角色纹理处理和根据提示生成忠实的结果。此外，他们展示了各种应用，如域外生成和纹理风格化。他们还提供了一个高效的生成系统，用于自动文本引导的纹理角色生成和动画。

这一方法接受一对数据作为输入，包括一个纹理地图、相应的文本描述 P 和网格模型 M。他们对预训练的文本到图像扩散模型的低秩适配器∆θ 进行微调，以生成高质量 UV 纹理。为了提高合成纹理的质量和感知保真度，他们引入了对抗训练来增强纹理细节。他们利用由 ControlNet 生成的渲染深度条件的合成可信图像作为指导，引导这种对抗性训练。

该项目的代码即将发布，项目入口:https://top.aibase.com/tool/make-it-vivid

(责任编辑：短视频)