多视角高斯模型LGM:5秒产出高质量3D物体 支持图文到3D

　　近期，由北京大学、南洋理工大学 S-Lab 和上海人工智能实验室联合研究的团队推出的大型多视角高斯模型(LGM)引起广泛关注。

　　LGM 以其核心模块 Large Multi-View Gaussian Model 为基础，采用了一种新颖的方法，能够在仅5秒的时间内从单一视角图片或文本输入中生成高分辨率高质量的3D物体。该模型的技术亮点在于使用了高效轻量的非对称 U-Net 作为骨干网络，直接从四个视角的图片中预测高分辨率的高斯基元，并通过可微渲染技术呈现出任意视角下的3D效果。

　　在技术层面，LGM 解决了有限计算量下高效3D表征和高分辨率下的三维骨干生成网络的两大挑战。具体而言，它通过在低分辨率的特征图上使用跨视角的自注意力机制，实现了不同视角之间的相关性建模，同时保持了较低的计算开销。此外，为了训练阶段和推理阶段之间的数据一致性，研究者还提出了基于网格畸变的数据增强策略，有效模拟了多视角不一致性。

　　值得注意的是，在实现高分辨率下高效训练这类模型时，研究者克服了两个主要问题。

　　首先，通过基于 objaverse 数据集中渲染出的三维一致的多视角图片进行训练，然后在推理阶段使用已有模型从文本或图像中合成多视角图片。为了解决多视角不一致的问题，文章提出了基于网格畸变的数据增强策略。

　　其次，为了模拟推理阶段生成的多视角图片在相机视角三维几何上的一致性，研究者对三个视角的相机位姿进行了随机扰动，增强了模型的稳健性。

　　训练完成后，LGM 不仅通过现有的图像到多视角或者文本到多视角扩散模型实现了高质量的 Text-to-3D 和 Image-to-3D 任务，而且能够在给定相同输入文本或图像的情况下生成多样的高质量三维模型。为了进一步支持下游图形学任务，研究者还提出了一种高效的方法，将生成的高斯表征转换为平滑且带纹理的 Mesh。

　　LGM 模型在3D内容生成领域的性能和创新引起了广泛关注。其开源精神以及提供的在线 Demo 进一步促进了对该模型的实际应用和探索。

　　LGM产品特色:

　　1. 高分辨率生成：

　　- LGM专注于从文本提示或单视图图像生成高分辨率的3D模型。

　　- 通过引入多视图高斯特征作为有效而强大的表示，能够在训练期间提供不同可导渲染的高分辨率3D对象。

　　2. 3D表示方法:

　　- 使用多视图高斯特征作为主要的3D表示方法。

　　- 这种表示方法可以通过融合不同视图的特征进行可导渲染。

　　3. 3D骨架结构:

　　- 引入不对称的U-Net作为高吞吐量的骨干结构。

　　- 该骨干结构在多视图图像上操作，这些图像可以通过利用多视图扩散模型从文本或单视图图像输入中产生。

　　4. 快速生成速度:

　　- 能够在5秒内生成3D对象，保持了快速生成速度。

　　- 同时，在将训练分辨率提高到512的情况下，实现了高分辨率3D内容生成。

　　5. 多样性生成:

　　- 支持从图像和文本两种输入方式生成3D对象，实现了图文并茂的3D内容创作。

　　- 提供了多视图的扩散模型，有助于增加生成的多样性。

　　总体而言，LGM通过创新的3D表示和骨干结构，以及高效的训练方法，实现了在高分辨率3D内容生成方面的显著进展。