研究人员开发了Arbor，一种可控3D资产生成的新方法，允许用户指定显式的几何约束。与依赖文本提示或图像视图的先前方法不同，Arbor使用约束网格来定义占用、避开和接触的区域。这种可训练的附件与现有的文本条件化潜在3D生成器集成，将约束网格转换为路由到去噪器相关部分的标记。Arbor已证明在保持物体质量和变化的同时，提高了约束依从性。 AI
影响 这一发展为3D资产创建提供了更精确的控制，有可能简化游戏开发、动画和设计的工作流程。
排序理由 该集群包含一篇详细介绍3D资产生成新方法的学术论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
Arbor enables explicit 3D spatial control in text-conditioned latent generation through constraint meshes that define occupancy, avoidance, and contact regions, maintaining object quality while improving constraint adherence.
Text and image conditioned 3D models now generate convincing assets, but they still offer little direct control over the space an object should occupy or avoid. In authoring, this spatial intent is often known before generation starts. A chair should fit a seating envelope, a pro…