WorldSculpt：从带定位信息的视频生成组合式世界
WorldSculpt提出了一种生成组合式3D场景表示的方法，可处理包含数百个物体的杂乱场景。该方法扩展了单物体3D生成模型Pixal3D，加入多视图条件模块，通过多个带姿态信息的观测来约束生成的物体网格。模型仅使用标准空间中的单个物体进行微调，却无需场景级训练即可推广到遮挡严重的大型场景。研究人员还推出了逼真的基准数据集UE-MeshyScene，其中包含逐物体标注和真实网格。在单物体、受控多物体及复杂场景测试中，该方法均优于以往方案；场景越复杂、遮挡越严重，性能提升越明显。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。