[23] SweetDreamer: Aligning Geometric Priors in 2D Diffusion for Consistent Text-to-3D

SWEETDREAMER: ALIGNING GEOMETRIC PRIORS IN 2D DIFFUSION FOR CONSISTENT TEXT-TO-3D

pdf | project

目录

Method

Alignning Geometric Priors in 2D Diffusion

Integration into Text-to-3D

Text-to-3D Generation

---

Method

• 本文探索了3D生成中的view-inconsistency problem（也称为Janus Problem）。
• 为解决该问题，本文提出Aligning Geometric Priors (AGP)。具体来说，本文在3D数据集Objaverse上fine-tune Stable Diffusion，在相机参数作为控制信号情况下，使Stable Diffusion生成具有深度信息的Canonical Coordinate map。
• Fine-tune得到的AGP，可以加入现有text-to-3D pipeline中，减缓Janus Problem，提高生成质量。

Alignning Geometric Priors in 2D Diffusion

• Canonical Coordinate Map (CCM)。为计算3D物体的CCM，首先将3D物体正则化至[0, 1]标准空间。1）uniformly normalize：三个坐标轴均匀放缩，放缩系数由最长边决定；2）anisotropically scale：三个坐标轴各向异性放缩，放缩系数各不相同。本文选择了anisotropically scale。
• Camera Condition。受MVDream启发，将相机外参作为控制信号，引入Stable Diffusion的fine-tune过程中。
• Implementation Details。1）数据集：基于Objaverse数据集。1.1）filtering process：通过tags，筛选并去除点云和low poly models，得到约270k 3D模型；1.2）3D captioning：用大模型描述3D物体，训练时，文本随机选择描述文字/数据集命名。2）相机参数提取。距离均匀采样至0.9-1.1，elevation degree采样至-10-45，3）训练。基于Stable Diffusion fine-tune；将canonical coordinates map视作latent image；引入相机外参矩阵作为控制信号。

Integration into Text-to-3D

在原有损失基础上，增加一个COCM分支。

Text-to-3D Generation

• NeRF-based Full是指先用DeeFloyd IF，然后用Stable Diffusion。还用了time annealing，negative prompts和CFG rescaling tricks。