3D模型“换皮肤”有多简单？也就一句话的事

丰色 发自 凹非寺
量子位 报道 | 公众号 QbitAI

给灰突突的3D模型加“新皮肤”，这事儿能有多简单？

现在，只需要一句话就能搞定。

看！

一个普通小台灯，给个“Brick Lamp”的描述，瞬间变“砖块灯”：

一匹灰色小马，加上“Astronaut Horse”，摇身一变就成了“宇航马”：

操作简单不说，每一个角度上的细节和纹理也都呈现出来了。

这就是用一个专门给3D物体“换皮肤”的模型Text2Mesh做出来的，由芝加哥大学和特拉维夫大学联合打造。

是不是有点意思？

一句话给3D物体“换皮肤”

Text2Mesh模型的输入只需一个3D Mesh（无论原始图像质量高低），外加一句文字描述。

具体变换过程如下：

输入的原始网格模型mesh，顶点V∈R^n×3，表面F∈{1, . . . , n}^m×3，它们在整个训练过程中固定不变。

然后再构造一个神经风格（neural style）网络，为mesh每个顶点生成一个样式属性，后续好在整个表面上定义风格。

具体来说，该网络将网格表面p∈V上的点映射成相应的RGB颜色，并沿法线方向位移，生成一个风格化了的初始mesh。

接着从多个视图对这个mesh进行渲染。

再使用CLIP嵌入的2D增强技术让结果更逼真。

在这个过程中，渲染图像和文本提示之间的CLIP相似性得分，会被作为更新神经网络权重的信号。

整个Text2Mesh不需要预训练，也不需要专门的3D Mesh数据集，更无需进行UV参数化（将三角网格展开到二维平面）。

具体效果如何？

Text2Mesh在单个GPU上训练的时间只需不到25分钟，高质量的结果可以在10分钟之内出现。

它可以生成各种风格，并且细节还原非常到位：

再比如下面这个，不管是变雪人、忍者、蝙蝠侠、绿巨人，还是乔布斯、梅西、律师……衣服的褶皱、配饰、肌肉、发丝……等细节都可以生动呈现。

研究人员还设计了一个用户调查，将Text2Mesh与基线方法VQGAN相比。

评分涉及三个问题：1、生成的结果自然程度；2、文本与结果的匹配度；3、结果与原始图像的匹配度。

57名用户打分后，得出的结果如下：

Text2Mesh在每一项上得分都比VQGAN高。

此外，在更复杂、更特殊的文本描述之下，Text2Mesh也能hold住。

比如“由钩针编织成的闪亮的金色衣服熨斗”：

“带波纹金属的蓝钢luxo台灯”：

更厉害的是，Text2Mesh模型还可以直接使用图片驱动。

比如就给一张仙人掌的照片，也能直接把原始灰色的3D小猪变成“仙人掌风格”：

One More Thing

Text2Mesh代码已开源，在Kaggle Notebook上也有人上传了demo。感兴趣的便朋友可以一试：

最后，大家知道这是只啥么？

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

论文：
https://arxiv.org/abs/2112.03221

代码：
https://github.com/threedle/text2mesh

参考链接：
https://threedle.github.io/text2mesh/