[[443015]]

本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

給灰突突的3D模型加“新皮膚”，這事兒能有多簡單？

現(xiàn)在，只需要一句話就能搞定。

看！

一個(gè)普通小臺燈，給個(gè)“Brick Lamp”的描述，瞬間變“磚塊燈”：

一匹灰色小馬，加上“Astronaut Horse”，搖身一變就成了“宇航馬”：

操作簡單不說，每一個(gè)角度上的細(xì)節(jié)和紋理也都呈現(xiàn)出來了。

這就是用一個(gè)專門給3D物體“換皮膚”的模型Text2Mesh做出來的，由芝加哥大學(xué)和特拉維夫大學(xué)聯(lián)合打造。

是不是有點(diǎn)意思？

一句話給3D物體“換皮膚”

Text2Mesh模型的輸入只需一個(gè)3D Mesh（無論原始圖像質(zhì)量高低），外加一句文字描述。

具體變換過程如下：

輸入的原始網(wǎng)格模型mesh，頂點(diǎn)V∈Rn×3，表面F∈{1, . . . , n}m×3，它們在整個(gè)訓(xùn)練過程中固定不變。

然后再構(gòu)造一個(gè)神經(jīng)風(fēng)格（neural style）網(wǎng)絡(luò)，為mesh每個(gè)頂點(diǎn)生成一個(gè)樣式屬性，后續(xù)好在整個(gè)表面上定義風(fēng)格。

具體來說，該網(wǎng)絡(luò)將網(wǎng)格表面p∈V上的點(diǎn)映射成相應(yīng)的RGB顏色，并沿法線方向位移，生成一個(gè)風(fēng)格化了的初始mesh。

接著從多個(gè)視圖對這個(gè)mesh進(jìn)行渲染。

再使用CLIP嵌入的2D增強(qiáng)技術(shù)讓結(jié)果更逼真。

在這個(gè)過程中，渲染圖像和文本提示之間的CLIP相似性得分，會被作為更新神經(jīng)網(wǎng)絡(luò)權(quán)重的信號。

整個(gè)Text2Mesh不需要預(yù)訓(xùn)練，也不需要專門的3D Mesh數(shù)據(jù)集，更無需進(jìn)行UV參數(shù)化（將三角網(wǎng)格展開到二維平面）。

具體效果如何？

Text2Mesh在單個(gè)GPU上訓(xùn)練的時(shí)間只需不到25分鐘，高質(zhì)量的結(jié)果可以在10分鐘之內(nèi)出現(xiàn)。

它可以生成各種風(fēng)格，并且細(xì)節(jié)還原非常到位：

再比如下面這個(gè)，不管是變雪人、忍者、蝙蝠俠、綠巨人，還是喬布斯、梅西、律師……衣服的褶皺、配飾、肌肉、發(fā)絲……等細(xì)節(jié)都可以生動呈現(xiàn)。

研究人員還設(shè)計(jì)了一個(gè)用戶調(diào)查，將Text2Mesh與基線方法VQGAN相比。

評分涉及三個(gè)問題：1、生成的結(jié)果自然程度；2、文本與結(jié)果的匹配度；3、結(jié)果與原始圖像的匹配度。

57名用戶打分后，得出的結(jié)果如下：

Text2Mesh在每一項(xiàng)上得分都比VQGAN高。

此外，在更復(fù)雜、更特殊的文本描述之下，Text2Mesh也能hold住。

比如“由鉤針編織成的閃亮的金色衣服熨斗”：

“帶波紋金屬的藍(lán)鋼luxo臺燈”：

更厲害的是，Text2Mesh模型還可以直接使用圖片驅(qū)動。

比如就給一張仙人掌的照片，也能直接把原始灰色的3D小豬變成“仙人掌風(fēng)格”：

One More Thing

Text2Mesh代碼已開源，在Kaggle Notebook上也有人上傳了demo。感興趣的便朋友可以一試：

最后，大家知道這是只啥么？

demo地址：

https://www.kaggle.com/neverix/text2mesh/

論文：

https://arxiv.org/abs/2112.03221

代碼：

https://github.com/threedle/text2mesh

參考鏈接：
https://threedle.github.io/text2mesh/