报告主题：ICCV2025最佳论文「马尔奖」从文本生成物理稳定且可搭建的积木结构
报告日期：10月30日（周四） 10:30-11:30
报告要点:
随着虚拟现实（VR）、增强现实（AR）及其他3D应用的普及，开发能让普通用户创建自有3D内容的技术，已变得至关重要。然而，当前的3D创作流程往往需要繁琐的手动操作或专业的捕捉设备。此外，生成的模型资产也常存在光照烘焙、表示不一致与物理合理性缺失等问题，从而限制了其在下游应用中的使用。本报告将讨论利用数据先验的方法显著降低3D内容创作的门槛。通过利用来自其他模态、大规模数据集及预训练生成模型的信息，本研究将用户输入的负担降至仅需随意拍摄的照片、简单草图或文本提示。我们首先展示了如何利用深度先验，使用户无需密集数据采集即可实现3D场景的数字化，并探讨了如何通过草图等2D用户输入实现交互式3D编辑与生成。随后，我们提出了一个端到端的文本到3D生成流程，能够同时生成3D资产的几何与纹理。在几何生成方面，我们提出了一种基于八叉树的自适应标记方案，它能根据形状复杂度分配表示能力，从而实现更高保真度且更高效的3D形状重建与生成。在外观建模方面，我们利用数据与扩散模型先验，通过文本输入在网格上生成可重新打光的纹理，确保生成的3D对象能在下游生产流程中直接使用。最后，为了使数字设计与现实世界接轨，我们引入了BrickGPT，它融合了制造与物理约束，能够根据文本提示生成物理结构稳定且可实际搭建的积木结构。总而言之，这些研究系统性地攻克了几何、外观与物理生成中的核心挑战，从而实现了从高层用户意图创建可用、可编辑且符合物理规律的3D内容。邓康乐（Kangle Deng），卡内基梅隆大学（CMU）博士，师从Deva Ramanan与朱俊彦（Jun-Yan Zhu）教授。他的研究工作荣获2025年ICCV最佳论文奖（Marr Prize），并获得微软博士奖学金（Microsoft Research Fellowship Award）支持。本科毕业于北京大学，在校期间凡符合评选资格年份，均荣膺国家奖学金（共三次，获奖比例前1%）。其主要研究方向为3D生成，在CVPR、ICCV、ECCV、NeurIPS、ICLR等国际顶级会议上发表论文10余篇。
刘瑞轩，卡内基梅隆大学计算机科学学院机器人研究所博士生，师从刘畅流教授。研究方向包括机器人学习、操控与控制、生成式智能以及人机协作。此前于卡内基梅隆大学获得电气与计算机工程学士学位，辅修机器人学。本科期间曾在Sebastian Scherer教授领导的 AirLab实验室工作，研究内容主要聚焦于用于结构检测的传感器融合与三维重建。扫码报名
更多热门报告
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢