Score Distillation Sampling
PulseAugur coverage of Score Distillation Sampling — every cluster mentioning Score Distillation Sampling across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AI扩散模型通过文本提示指导工程设计
研究人员开发了一种新颖的工程设计方法，将无训练扩散模型与拓扑优化相结合。该方法允许工程师通过自然语言提示指定设计意图，然后将其集成到基于物理的优化循环中。该框架在各种领域和物理状态下的顺应性降低方面表现出显著改进，优于传统的基于梯度的方法。
-
PhysMAS框架增强了物理约束的4D高斯合成
研究人员开发了PhysMAS，一个新颖的多智能体框架，旨在改进动态场景中物理上可行的4D高斯表示的合成。该系统通过处理异构多部分对象和交互式多对象场景来解决现有方法的局限性。与依赖分数蒸馏采样（SDS）或对象级物理分配的先前方法不同，PhysMAS利用专用智能体将材质属性分配给各个部分并执行模拟，从而以更少的运行时获得更具语义一致性和物理可行性的结果。
-
PixSDS方法减少文本到3D生成中的伪影
研究人员开发了PixSDS，这是一种解决文本到3D生成中由潜在得分蒸馏采样（SDS）引起的伪影的新方法。该技术通过使用解码图像方向来指导优化，从而减少噪声并保留语义内容，从而解决VAE引起的像素漂移。PixSDS无需重新训练扩散模型或更改渲染器即可运行，为提高生成3D资产的质量提供了一种轻量级解决方案。
-
新方法实现无需遮罩的物理模拟3D物体重建
研究人员开发了一种新颖的无遮罩方法，可以从稀疏和被遮挡的真实世界视图中重建完整的3D对象。该技术利用3D高斯泼溅和SAM2训练的分割场来实现实例分割，然后进行联合得分蒸馏采样过程。该过程整合了参考视图监督和由扩散先验引导的新视图合成，以确保纹理保真度和3D一致性，从而通过物质点法模拟实现物理上可行的交互。
-
新的I2C-3D方法通过交互碰撞增强组合式3D生成
研究人员推出了一种新的方法I2C-3D，用于生成具有改进一致性和交互性的多对象3D场景。该方法解决了当前文本到图像扩散模型在组合式3D资产和跨视角不一致性方面存在的局限性。I2C-3D采用“包容性交互碰撞”策略来确保对象之间进行合理的交互，并使用“多视角自适应分数蒸馏采样”来增强不同视角的一致性。
-
BoostDream 优化文本到 3D 生成，实现高质量资产
研究人员开发了 BoostDream，一种用于优化文本到 3D 生成以高效生成高质量资产的新颖方法。该方法将快速前馈生成与多视图分数蒸馏采样 (SDS) 损失相结合，克服了传统 SDS 方法较慢的节奏。BoostDream 还通过使用提示和多视图一致的法线贴图作为指导，解决了 Janus 问题（即生成的 3D 模型从不同角度观看时存在不一致）。