- 简介我们介绍了一种新方法,名为HouseCrafter,可以将一个平面图转化为一个完整的大型3D室内场景(例如房屋)。我们的关键洞察是,采用一个在网络规模图像上训练的二维扩散模型,以生成在场景不同位置具有一致多视角颜色(RGB)和深度(D)图像。具体而言,RGB-D图像是根据平面图在批处理方式下沿采样位置自回归生成的,其中之前生成的图像被用作扩散模型的条件,以在附近位置生成图像。扩散模型中的全局平面图和注意力设计确保了生成图像的一致性,从而可以重建3D场景。通过对3D-Front数据集的广泛评估,我们展示了HouseCrafter可以生成高质量的房屋级别3D场景。消融研究还验证了不同设计选择的有效性。我们将发布我们的代码和模型权重。项目页面:https://neu-vi.github.io/houseCrafter/
- 图表
- 解决问题论文旨在通过将2D扩散模型应用于室内场景生成,解决从平面图到3D室内场景的转换问题。这是一个新的问题。
- 关键思路通过扩散模型在基于平面图采样的位置上自回归生成RGB-D图像,从而生成一致的多视角图像,再通过这些图像重建3D场景。
- 其它亮点论文在3D-Front数据集上进行了大量实验,表明了HouseCrafter可以生成高质量的大型3D室内场景。此外,论文还进行了消融实验,验证了不同设计选择的有效性,并将代码和模型权重开源。
- 与该论文相关的研究包括:1.基于深度学习的3D重建方法,如3D-R2N2;2.基于平面图的室内场景生成方法,如FloorNet。
沙发等你来抢
去评论
评论
沙发等你来抢