Stability.ai開源3D模型，僅需0.5秒就能快速生成
著名開源大模型平臺Stability.ai開源了3D生成模型——Stable Fast 3D（以下簡稱“SF3D”）。
用戶通過圖片僅需0.5秒就能快速生成高質量3D模型，還包括UV展開網格、材質參數、具有減少照明烘焙的反照率顏色，以及可選的四邊形或三角形重網格等，這也是目前最快的3D生成模型。
開源地址：https://github.com/Stability-AI/stable-fast-3d
huggingface：https://huggingface.co/stabilityai/stable-fast-3d
在傳統的3D重建模型中，變換器通常輸出較低分辨率的Triplane表示，這會導致在高頻和高對比度紋理場景中出現明顯的混疊偽影，在實際應用中效果較差需要頻繁的手動處理才能使用。
而SF3D是基于TripoSR架構，通過引入多個新模塊來改進輸出質量。增強的Transformer網絡預測更高分辨率的三平面，有助于減少混疊偽影。該網絡從DINO切換到改進的DINOv2以獲取圖像標記，低分辨率（64×64）的三平面會引入明顯偽影，而通過提高分辨率可以緩解這一問題。
還受PointInfinity的啟發，增強的Transformer網絡輸出更高分辨率的三平面，例如，通過避免在更高分辨率三平面標記上的自注意力，使復雜度與輸入大小呈線性關系，從而產生96×96分辨率、1024通道的三平面，進一步通過打亂輸出特征的維度。
為了增強反射對象的輸出網格外觀，在渲染時生成更好的模型材質，SF3D通過 “Material Net”的網絡來實現這一點，該網絡從輸入圖像中預測整個物體的單一金屬和粗糙度值。
為了穩定訓練并防止直接回歸時的網絡崩潰，SF3D采用了一種概率預測方法，預測Beta分布的參數，并通過最小化對數似然來訓練網絡。
SF3D還引入了“Light Net”的網絡來預測輸入圖像中的光照，從而解決因光照變化（如陰影）導致的問題。
Light Net通過使用從變換器得到的高分辨率Triplane來預測球形高斯照明圖。這種巧妙設計允許SF3D在渲染時考慮到3D空間關系和物體表面的照明變化，從而生成沒有混入光照效果的均勻物體。
SF3D使用了一種光照解耦損失函數，確保學習到的照明與訓練數據中觀察到的照明條件一致，從而解決了外觀和陰影之間的歧義。
為了全面評估SF3D的性能，研究人員選擇了GSO和OmniObject3D作為主要的數據集。這些數據集包含了多種類型的3D對象，能夠充分測試SF3D在不同場景下的表現。為了確保測試的公正性和可比性，所有比較方法都在相同的硬件環境下運行。
并將SF3D與OpenLRM、TripoSR、LGM、CRM、InstantMesh和ZeroShape知名3D模型進行了綜合對比。結果顯示，SF3D優于當前主流3D模型，能夠重建準確的形狀產生更詳細的紋理，并且視覺質量更高。
本文轉自 AIGC開放社區 ，作者：AIGC開放社區
