84、Latent-NeRF for Shape-Guided Generation of 3D Shapes and Textures-Toy模板网

这篇具有很好参考价值的文章主要介绍了84、Latent-NeRF for Shape-Guided Generation of 3D Shapes and Textures。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

简介

论文：https://arxiv.org/abs/2211.07600
84、Latent-NeRF for Shape-Guided Generation of 3D Shapes and Textures
dream fusion开创了2d扩散模型引导nerf生成的先河，但是其使用的是stable diffusion，庞大的资源开销是不可忽视的一个问题，该论文则是基于潜空间的diffusion模型（IDM），有效提升了效率，同时还提出了两个新的生成方式——Sketch-shape，Latent-Paint

IDM 与 Score Distillation

**潜扩散模型(LDM)**是一种特定形式的扩散模型，它被训练来去噪预训练的自编码器的潜代码，而不是直接去噪高分辨率图像。

分数蒸馏是一种能够将扩散模型作为评价器的方法，即:，将其用作损失，而无需在扩散过程中显式地反向传播。

要执行分数蒸馏，首先将噪声添加到给定的图像(例如，NeRF输出的一个视图)。然后，利用扩散模型预测噪声图像的附加噪声。最后，利用预测噪声和添加噪声之间的差异计算逐像素梯度

在分数蒸馏优化的每次迭代中，渲染的图像 x 对随机绘制的时间步 t 进行噪声处理
84、Latent-NeRF for Shape-Guided Generation of 3D Shapes and Textures
将每个像素的分数蒸馏梯度取为

$\epsilon_\phi$ 为扩散模型的降噪器，φ为去噪器参数，T 是一个可选的引导文本提示符，W (t)是一个依赖于 $α_t$ 的常数乘数

在训练阶段，梯度从像素梯度传播到NeRF参数，并逐渐改变3D对象

dream fusion中分数蒸馏伪代码
84、Latent-NeRF for Shape-Guided Generation of 3D Shapes and Textures

实现流程

84、Latent-NeRF for Shape-Guided Generation of 3D Shapes and Textures
在每次训练迭代中，从随机视点渲染场景以生成特征图 z。然后，根据随机扩散步骤 t，对 z 进行噪声处理。对 z 的噪声版本，即 $x_t$ ，使用稳定扩散去噪，并输入文本提示。最后，通过稳定扩散从预测噪声中减去输入噪声，以近似逐像素梯度反向传播到NeRF表示。

LatentNeRF输出4个伪颜色通道 $c_1, c_2, c_3, c_4)$ ，分别对应于稳定扩散作用的4个 latent features，以及一个体积密度 σ

由于空间亮度场和渲染方程，使用NeRF隐式地表示场景会在不同视图之间施加空间一致性

Z 可以用NeRF表示并具有空间一致性,Z 中的超像素主要依赖于输出图像中的单个块，潜空间的高分辨率(64 × 64)和低通道深度(4)，这鼓励了对自编码器图像和潜空间的局部依赖性

假设Z是其对应的RGB图像的近补丁级表示，使得潜在变量与场景的空间变换几乎相等，这就证明了使用nerf来表示3D场景是合理的

Text Guidance

84、Latent-NeRF for Shape-Guided Generation of 3D Shapes and Textures

Latent-NeRF的普通形式是文本引导的，对于场景生成没有其他约束
84、Latent-NeRF for Shape-Guided Generation of 3D Shapes and Textures
$L_{SDS}$ 为Score-Distillation loss。这个损失的确切值是不可获取的，它所隐含的梯度通过通过降噪器的单个前向传递来近似

$L_{sparse} = BE(w_{blend})$ ，通过惩罚未定义背景掩码 $w_{blend}$ 的二进制熵来防止浮动的“辐射云”,它鼓励对象NeRF和背景NeRF的严格混合(来源于：A pytorch implementation of the text-to-3d model dreamfusion, powered by the stable diffusion text-to2d model)

RGB Refinement

在某些情况下，通过在像素空间中进行微调来进一步完善模型可能是有益的，并使NeRF模型直接在RGB中操作，将在潜空间中训练的NeRF转换为在RGB中操作的NeRF

将MLP的输出从四个潜在通道转换为三个RGB通道，这样当应用到原始模型的渲染潜在时，初始渲染的RGB图像接近解码器输出（来源于：Decoding latents to rgb without upscaling）

通过以下转换，线性近似足以预测给定单个四通道潜在超级像素的可信RGB颜色

84、Latent-NeRF for Shape-Guided Generation of 3D Shapes and Textures
通过对RGB图像和它们对应的潜在代码在自然图像集合上计算出来的

添加另一个线性层，该层使用公式3中的权重进行初始化

84、Latent-NeRF for Shape-Guided Generation of 3D Shapes and Textures
然后，附加层与模型的其余部分一起进行微调，以创建细化的最终输出

Sketch-Shape Guidance

84、Latent-NeRF for Shape-Guided Generation of 3D Shapes and Textures

指导基于粗糙几何的Latent-NeRF生成，称之为Sketch-Shape，是简单3D原语(如球体、盒子、圆柱体等)的抽象粗略对齐，它们共同描绘了一个更复杂物体的轮廓

希望MLP的输出密度与草图形状的输出密度匹配，这样输出的Latent-NeRF结果与输入形状相似

也希望新的NeRF能够创建与输入文本提示相匹配的新细节和几何图形，并提高形状的保真度

鼓励NeRF的占用率与Sketch-Shape的圈数指示器匹配，但在表面附近的重要性逐渐衰减，以允许新的几何形状
84、Latent-NeRF for Shape-Guided Generation of 3D Shapes and Textures
占用率应该被很好地限制在远离表面的地方，并且可以通过分数蒸馏在表面附近自由地设置

除了Latent-NeRF损失外，该损失还应用于整个点集 p，该点集被NeRF的体积渲染所使用

d 表示 p 到曲面的距离， $σ_S$ 是一个超参数，它控制损失的缓和程度，即 $σ_S$ 值越低，意味着对输入Sketch-Shape的约束越严格

仅在采样点集 p 上应用损失，使其更有效，因为这些点已经作为Latent-NeRF渲染过程的一部分进行了评估

Latent-Paint of Explicit Shapes

84、Latent-NeRF for Shape-Guided Generation of 3D Shapes and Textures
转向更严格的约束，其中的指导是基于给定形状的精确结构，例如，以网格的形式提供，称之为：Latent-Paint，其为给定的形状生成新的纹理

在UV纹理地图上生成纹理，它可以由输入网格提供，也可以使用XAtlas实时计算

为了给网格上色，首先初始化一个大小为 H × W × 4 的随机潜在纹理图像，其中 H 和 W 可以根据所需的纹理粒度选择，实验中设置为 128
84、Latent-NeRF for Shape-Guided Generation of 3D Shapes and Textures

在每次分数蒸馏迭代中，使用可微分渲染器对网格进行渲染，得到一个64 × 64 × 4的特征图，该特征图由潜在纹理图像伪着色，将公式2中的分数蒸馏损失应用于与 Latent-NeRF 相同的方法，不是将损失反向传播到NeRF的MLP参数，而是通过可微渲染器反向传播来优化深层纹理图像，为了得到最终的RGB纹理图像，简单地将潜在的纹理图像通过Stable Diffusion的解码器D传递一次，以获得更大的高质量RGB纹理

实验

使用 HuggingFace Diffusers的稳定扩散，有着 v1-4个checkpoint

分数蒸馏，使用代码库

NeRF基于Instant NGP

latent - nerf 通常需要不到15分钟的时间收敛到单个V100，而使用具有稳定扩散的RGB-NeRF需要大约30分钟，这是由于编码到潜空间的开销增加，DreamFusion在4个tpu上大约需要1.5小时
84、Latent-NeRF for Shape-Guided Generation of 3D Shapes and Textures

Limitations

为了获得合理的3D形状，使用DreamFusion所使用的相同的“提示调整”，即在输入文本提示中添加方向文本提示(例如，相对于相机的“正面”，“侧面”)，该方法应用于某些对象时，这种辅助往往会失败，即使是稳定扩散，当指定所需的方向时，也往往产生不满意的图像
84、Latent-NeRF for Shape-Guided Generation of 3D Shapes and Textures
与大多数使用扩散模型的工作类似，结果存在随机行为，因此不同种子之间的结果质量可能有显著差异文章来源地址https://www.toymoban.com/news/detail-464498.html