Build-A-Scene：交互式文生图 3D 布局控制

于 2024-08-29 10:24:27 发布
阅读量30 收藏
点赞数
分类专栏： 三花AI 文章标签： 人工智能 3d
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_51674085/article/details/141672107
版权


 是一种基于文生图的技术，它利用 depth（深度）控制，用 3D boxes 替代了 2D boxes，非常适合室内设计和复杂场景生成。

目前还是期货开源，不过从演示视频来看或许对装修场景有奇效，期待开源

三花AI
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
每日AIGC最新进展(1)：交互式可控3D生成、用于大词汇量3D生成的3D Diffusion Transformer、基于Dense Blob的Diffusion图像生成、腾讯文生图大模型
沉迷单车的追风少年
05-16 449
作为人类，我们渴望创造既具有自由意志又易于控制的媒体内容。由于生成技术的突出发展，我们现在可以轻松地利用2D扩散方法来合成由原始草图或指定的人体姿势控制的图像，甚至可以逐步编辑/重建局部区域并进行遮罩修补。然而，在3D建模任务中类似的工作流程仍然不可用，这是由于3D生成中控制性和效率的缺乏。在本文中，我们提出了一种新颖的可控交互式三维资产建模框架，名为Coin3D。
中国AIGC产业联盟_无界AI：中国AIGC文生图产业自皮书.pdf
07-02
### 中国AIGC文生图产业白皮书核心知识点解析 #### 一、AIGC文生图技术概述 - **定义与概念**：AIGC（Artificial Intelligence Generated Content），即人工智能生成内容，是一种利用人工智能技术自动生成文本、...
Text-to-3D Generation
Iron_lyk Blog
03-27 4199
文本到3D图像生成论文串读
Text-to-3D 任务论文笔记： Latent NeRF
flow_specter的博客
05-09 2238
论文链接： https://arxiv.org/pdf/2211.07600.pdf使用Sketch-Shape可以让用户定义基础几何形状，而Latent-NeRF则会根据引导提示来优化形状并引入纹理。此外，还还提出了Latent-Paint，这是另一种形状引导的形式，其中生成过程直接应用于给定的3D网格，注意，这里不仅有结构，还有输入网格的精确参数。这是通过在潜在空间中表示纹理映射，并通过渲染的网格直接传播引导梯度到纹理映射来实现的。通过这样做，我们首次允许使用预训练扩散模型的引导来着色网格。
Shape-E：文字到3D的生成模型试用
百年孤独百年的博客
05-16 1332
该模型可以是一个生成3D的工具，你可以输入文字，然后得到一个3D模型，或者提供一个图片生成3D模型。通过该模型，我们可以模糊的查看文字到3D的生成，图片到3D的生成，不过这个只是一个大概的模型，有个别的参数大家可以调，我演示的是默认的版本。大家可以去玩一玩。
平安证券-计算机行业点评：OpenAI发布文生视频大模型Sora，在全球视频大模型领域取得里程碑式进展
02-20
### 平安证券-计算机行业点评：OpenAI发布文生视频大模型Sora，在全球视频大模型领域取得里程碑式进展 #### 概述 近期，OpenAI在其官网上正式发布了名为Sora的新一代文生视频大模型，标志着全球视频生成技术迈入了...
广发证券-互联网传媒行业：24年春节档票房新高，OpenAI发布文生视频大模型Sora.pdf
07-19
### 广发证券-互联网传媒行业：24年春节档票房新高，OpenAI发布文生视频大模型Sora #### 核心观点概览 本篇报告主要围绕两个核心议题展开讨论：一是2024年春节档电影市场的表现及其背后的推动力；二是OpenAI发布的...
AIGC专题报告：从文生图到文生视频
06-09
### AIGC专题报告：从文生图到文生视频 #### 技术框架与商业化探索 本报告旨在深入解析文生图（Text-to-Image）到文生视频（Text-to-Video）的技术演进与商业应用前景。随着人工智能技术的发展，特别是自然语言...
【小迪安全笔记V2022】信息打6~8
2202_75354817的博客
08-25 2341
小迪安全学习笔记
python 实现convolution neural network卷积神经网络算法
luthane的博客
08-26 6315
卷积神经网络（Convolutional Neural Networks, CNN）是一种包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks, FNN），是深度学习的代表算法之一。基本原理CNN的核心思想是通过模拟人类视觉系统的工作方式，自动提取图像中的特征，并将其用于分类、检测、分割等任务。它主要受到了生物学上感知机制的启发，模拟了人类视觉系统中的感知细胞和复杂细胞的工作方式。
透明性和解释性AI：概念与应用
weixin_49007164的博客
08-25 1899
透明性AI指的是AI系统的操作过程、决策机制、数据流动和模型行为是可理解和可追踪的。换句话说，透明性AI使得人们可以清楚地看到AI系统是如何做出决策的，这一过程包括输入数据的处理方式、模型的内部计算过程、以及最终决策的产生机制。解释性AI是指AI系统不仅能够给出决策结果，还能够提供关于该决策如何产生的解释。解释性AI的目标是帮助用户理解AI的行为，尤其是当AI的决策与预期不符时，提供合理的解释来消除用户的疑虑。
【python计算机视觉编程——1.基本的图像操作和处理】
m0_53694086的博客
08-26 5642
参数sigma为标准差（σ），是高斯滤波器的一个重要参数，它控制滤波器的平滑程度。标准差越大，高斯函数的曲线越宽，滤波器的影响范围就越大。标准差较大: 高斯滤波器会在更大范围内进行平滑，使得图像变得更加模糊，细节和边缘特征会被更强地平滑掉。标准差较小: 高斯滤波器会产生较小范围的平滑效果，图像的细节保留更多。还可以给定转换矩阵，将RGB图像转换为CIE XYZ色彩空间。图像像素值被分成128个区间，用于计算每个区间的像素值频率。可以返回目录中所有jpg图像的列表。
【自由能文章系列（简单难度）】【开篇论文】自由能原理在多个领域的统一视角
神经美学_茂森的博客
08-27 863
自由能原理作为一个统一的理论框架，成功地将多个看似不相关的领域（如神经科学、物理学、经济学、信息论、控制论、认知科学和生物学进化）联系在一起。通过自由能原理，我们可以更深刻地理解不同系统如何在给定条件下实现最优行为或状态。#自由能原理 #跨领域统一框架 #优化逻辑 #参数调节 #贝叶斯大脑 #预测编码 #最优控制 #注意力机制 #自然选择 #机器学习。：自由能原理、跨领域统一框架、优化逻辑、参数调节、贝叶斯大脑、预测编码、最优控制、注意力机制、自然选择、机器学习。
论大模型在金融行业的应用场景
m0_53773302的博客
08-25 1083
需要指出的是，虽然上面这些场景都是大家能够最先想到的，但真正要做的很好，也不是那么容易，必须结合优质的技术架构与工具设计，模型优化，数据准备与处理，以及反复的尝试与试错，同时也不可避免的需要对所在行业与场景知识的专业性通过实操深入理解。但如果想到达到90%以上的准确率，那就必须结合专业细致的行业数据、话术抽象、切分，上下文学习/RAG使用，知识图谱的构造，人类反馈的常态化，模型的选择，模型微调中参数调优、数据质量与混合比例的调优、减少遗忘的策略设计，甚至模型结构的创新改造设计等手段综合起来，才可以达到。
python实现循环神经网络
weixin_45570158的博客
08-25 178
为了提供一个基础的循环神经网络（RNN）示例，我们可以使用TensorFlow和Keras，这是构建和训练神经网络常用的两个库。以下是一个简单的RNN实现，用于处理序列数据（如时间序列数据或文本数据）。在这个例子中，我们将使用一个简化的任务：模拟字符级别的文本生成。
均值漂移算法原理及Python实践
u013571432的博客
08-25 1164
均值漂移算法（Mean Shift Algorithm）是一种基于密度的非参数聚类算法，其原理主要基于核密度估计和梯度上升方法。
MobileStyleGAN:一种用于高保真图像合成的轻量级卷积神经网络
qq_50465499的博客
08-28 500
MobileStyleGAN:一种用于高保真图像合成的轻量级卷积神经网络
杭州城市开发者社区活动：《聚力AI，共创共荣》第二期线下AI论坛活动等你来！
最新发布
鄙人kunzhi96，感恩遇见！
08-28 774
由中也AI共荣社主办，COC杭州城市开发者社区等多家协办的《聚力AI，共创共荣》AI论坛活动来袭！ 活动围绕AI技术的创新应用，以及在实际应用落地的场景为主题展开，聚力AI，共同探讨。有机会与行业大咖进行面对面交流分享和学习交流，有料有趣的探索之旅，你值得拥有。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值