跳到正文

ViewDiff

单次去噪生成多视角一致的 3D 图像

访问官网

ViewDiff 是什么

ViewDiff 被介绍为一种利用预训练文本到图像模型作为先验、从真实世界数据学习生成多视角一致图像的方法。

你可以用它做什么

  • 基于预训练文本到图像模型生成 3D 一致图像
  • 在 U-Net 中加入 3D 体积渲染与跨帧注意力层
  • 在单个去噪过程中生成多视角一致的图像

资料列举的案例

  • 生成各种形状和质地的 3D 物体并置于真实世界环境
  • 根据文本描述生成 3D 物体的多角度图像
  • 给定单个图像生成该物体在不同视角下的图像

优点与缺点

✓ 我们认可的地方

  • 资料称视觉质量与 3D 一致性更好
  • 只需单个去噪过程

! 需要留意的地方

  • 方法以预训练文本到图像模型为起点
  • 学习依赖真实世界数据

常见问题

改动了哪个网络?

资料说明在 U-Net 中加入 3D 体积渲染和跨帧注意力层。

输出是什么?

资料说明在单个去噪过程中生成 3D 一致的多视角图像。

最后评测: 2026-11-15

更多 AI 图像生成 工具

查看全部 →

评测方法