PulseAugur
中
实时 08:00:42
English(EN) Sculpting NeRF Geometry: Human-Preference Fine-Tuning of a 3D-Aware Face GAN

新的 RLHF 方法直接根据人类偏好微调 3D GAN

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新颖的方法，使用来自人类反馈的强化学习 (RLHF) 来微调 3D 感知生成模型，特别是名为 EG3D 的人脸 GAN。该方法直接优化神经辐射场 (NeRF) 密度，无需网格等显式表面表示。该系统在少量偏好样本上进行训练，并在 3D 几何方面显示出显著改进，微调后的生成器在超过 74% 的比较中产生了用户更喜欢的人脸几何。虽然此方法会引入可衡量的分布成本，但它为提高 3D 生成质量提供了更直接的途径。 AI

影响 这项研究引入了一种更直接的方法来提高 GAN 中 3D 生成的质量，可能会影响未来 3D 内容创作和虚拟现实领域的工作。

排序理由 该集群包含一篇研究论文，详细介绍了一种微调 3D 生成模型的新方法。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的 RLHF 方法直接根据人类偏好微调 3D GAN

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Archer Moore, Mingming Gong, Liam Hodgkinson ·

    Sculpting NeRF Geometry: Human-Preference Fine-Tuning of a 3D-Aware Face GAN

    arXiv:2606.27305v1 Announce Type: new Abstract: Reinforcement learning from human feedback (RLHF) for 3D generation is now established across a number of works, but most existing pipelines optimise explicit surface representations, often by converting radiance fields into meshes …

  2. arXiv cs.CV TIER_1 English(EN) · Liam Hodgkinson ·

    Sculpting NeRF Geometry: Human-Preference Fine-Tuning of a 3D-Aware Face GAN

    Reinforcement learning from human feedback (RLHF) for 3D generation is now established across a number of works, but most existing pipelines optimise explicit surface representations, often by converting radiance fields into meshes and training heavily on surface-supervised data.…

相关实体

相关话题