3D内容生成的综合调研
3D内容生成的综合调研
2024年8月3日修改
A Comprehensive Survey on 3D Content Generation.pdf
论文总结: 《A Comprehensive Survey on 3D Content Generation》
摘要
近年来，人工智能生成内容（AIGC）取得了显著进展，涵盖了文本、图像、视频、音频和3D等多种输入模式。其中，3D内容生成最接近现实世界的3D环境，蕴含了大量知识，既具有学术价值又有实际应用价值，同时也带来了技术挑战。本文旨在整合3D内容生成领域的发展，提出了一种新的分类方法，将现有方法分为三类：3D原生生成方法、基于2D先验的3D生成方法和混合3D生成方法。本文涵盖了约60篇主要技术论文，并讨论了当前3D内容生成技术的局限性，指出了未来工作的开放挑战和有前景的方向。此外，我们建立了一个项目网站，提供有关3D内容生成研究的资源。
引言
生成模型在自然语言处理（NLP）和图像生成领域取得了巨大成功，如ChatGPT和Midjourney，显著缩短了论文写作和图像设计的时间。在3D领域，随着3D数据量的增加和其他领域生成技术的成功，3D生成技术也取得了重要进展。
3D内容生成研究因其广泛的应用而吸引了越来越多的关注。典型应用包括游戏和娱乐设计、建筑设计和工业设计。传统的设计过程需要多视角概念设计、3D模型创建和3D模型细化，这一过程劳动强度大且耗时。3D内容生成技术将大大降低时间和劳动力成本。
3D内容生成方法分类
1.
3D原生生成方法