智源研究院推出首个基于海量无标注互联网视频的3d生成模型see3d,实现了“see video, get 3d”的突破。该模型无需依赖昂贵的3d或相机标注数据,即可高效学习3d先验知识,并支持零样本和开放世界的3d生成、编辑及表面重建等任务。
不同于传统依赖相机参数的3D生成模型,See3D采用创新的视觉条件技术,仅利用视频中的视觉线索生成相机方向可控、几何一致的多视角图像。其训练数据来自一个名为WebVi3D的大规模多视角图像数据集,包含超过3.2亿帧图像,并可通过自动化流程持续扩展。
See3D模型架构图清晰地展现了其工作流程,其核心在于利用时间依赖噪声生成2D归纳视觉信号,进而训练可扩展的多视图扩散模型(MVD)。这使得See3D能够从海量视频数据中高效学习3D世界结构,并具备以下优势:
See3D的应用场景广泛,包括:
See3D模型、代码和Demo已开源,论文及项目地址分别为:论文地址 和 项目地址。 See3D的出现为3D生成技术的发展提供了新的方向,有望降低3D数据采集成本,并推动3D应用的广泛普及。
以上就是「See Video, Get 3D」,智源开源无标注视频学习3D生成模型See3D的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号