产品库

文本到3D分数蒸馏的方差缩减解决方案

SteinDreamer供文本到3D分数蒸馏的解决方案。他们提出了一种名为Stein Score Distillation (SSD)的方差缩减解决方案，通过控制变量构建和Stein身份，实现了对蒸馏方差的有效降低。他们的实验结果表明，SSD能够有效降低蒸馏方差，并且在对象和场景级别的生成中持续提高视觉质量。此外，他们还展示了SteinDreamer相对于现有方法具有更快的收敛速度。

基于2D扩散的文本到3D生成

DreamFusion是一款基于预训练的2D文本到图像扩散模型，用于生成高保真度的、可调光的3D对象。它通过使用梯度下降优化随机初始化的3D模型（Neural Radiance Field）来生成3D对象，并且可以从任意角度观察、任意照明重新照亮或与任何3D环境合成。DreamFusion不需要3D训练数据，也不需要对图像扩散模型进行修改，展示了预训练图像扩散模型作为先验的有效性。

探索3D虚拟世界，体验梦想家宇宙。

Aiuni是一个提供3D虚拟世界体验的平台，用户可以在这里创建和探索个性化的3D模型，享受沉浸式的宇宙探索之旅。Aiuni以其创新的3D技术、丰富的互动性和高度的个性化定制，为用户提供了一个全新的虚拟体验空间。

微软轻量级、先进的多模态模型，专注于文本和视觉的高质量推理密集数据。

Phi-3 Vision是一个轻量级、最先进的开放多模态模型，基于包括合成数据和经过筛选的公开可用网站在内的数据集构建，专注于文本和视觉的非常高质量的推理密集数据。该模型属于Phi-3模型家族，多模态版本支持128K上下文长度（以token计），经过严格的增强过程，结合了监督微调和直接偏好优化，以确保精确的指令遵循和强大的安全措施。

一种将 2D 文字转换为全景 3D 场景的生成管道，为野外环境的全景场景的创建提供了数分钟的便利。

该管道利用 2D 扩散模型的生成能力和提示自修复来创建全景图像，作为初始的 “平面”（2D）场景表示。随后，通过雕刻技术将该图像提升为 3D 高斯函数，以实现实时探索。为了产生一致的 3D 几何结构，该管道通过将单目视角的深度构造为全局优化的点云来构建空间一致的结构。该点云作为 3D 高斯函数的初始状态，以帮助解决由单目输入导致的隐蔽问题。通过对合成和输入相机视图施加语义和几何约束，该管道引导高斯函数的优化，以重建未见区域。总的来说，该方法为 360 度视野提供了全局一致的 3D 场景，为现有技术提供了增强的免费体验。

稳定的在线3D视频合成

SV3D Online是一款稳定的在线3D视频合成工具，能够将单个图像转化为引人入胜的3D视角和网格。

免费创建和查看高斯3D模糊图像的工具

Polycam的高斯模糊创建工具可以让你免费将图像转换为沉浸式的3D模糊图像,你可以预览、分享和导出这些模糊图像。该工具支持20-200张PNG或JPG格式图像输入,输入图像需遵循影像测量最佳实践,保证图像清晰、均匀曝光和无运动模糊效果。生成的3D模糊可在Unity和Unreal等引擎中使用,插件不断更新以支持更多软件。该工具还提供Gallery功能用于浏览和分享社区创作。

ComfyUI节点插件,支持3D处理

ComfyUI-3D-Pack是一个强大的3D处理节点插件包,它为ComfyUI提供了处理3D输入(网格、UV纹理等)的能力,使用了最前沿的算法,如3D高斯采样、神经辐射场等。这个项目可以让用户只用单张图片就可以快速生成3D高斯模型,并可以将高斯模型转换成网格,实现3D重建。它还支持多视图图像作为输入,允许在给定的3D网格上映射多视图渲染的纹理贴图。该插件包处于开发中,尚未正式发布到ComfyUI插件库,但已经支持诸如大型多视图高斯模型、三平面高斯变换器、3D高斯采样、深度网格三角剖分、3D文件加载保存等功能。它的目标是成为ComfyUI处理3D内容的强大工具。

打造连接全球创作者的AI社区平台

米塔是一个打造连接全球创作者的AI社区平台。它提供米文、米画等创作工具,用户只需输入文字提示,就可以通过AI技术生成小说大纲、文章、画作等创意内容。米塔具有写作辅助、图像生成、智能对话等功能,可以帮助用户提升创作效率,发掘更多创意灵感。米塔基于大规模预训练语言模型,通过模型微调和数据增强,实现了文本、图像的高质量生成。米塔致力于为创作者提供便捷的AI创作工具,构建包容开放的社区,让更多的用户体验到AI给创作带来的无限可能。

5分钟内实现文本到3D生成

3DTopia是一个两阶段的文本到3D生成模型。第一阶段使用扩散模型快速生成候选项。第二阶段优化第一阶段选择的资产。该模型可以在5分钟内实现高质量的文本到3D生成。

一个千万级3D形状模型

Make-A-Shape是一个新的3D生成模型，旨在以高效的方式训练大规模数据，能够利用1000万个公开可用的形状。我们创新性地引入了小波树表示法，通过制定子带系数滤波方案来紧凑地编码形状，然后通过设计子带系数打包方案将表示布置在低分辨率网格中，使其可生成扩散模型。此外，我们还提出了子带自适应训练策略，使我们的模型能够有效地学习生成粗细小波系数。最后，我们将我们的框架扩展为受额外输入条件控制，以使其能够从各种模态生成形状，例如单/多视图图像、点云和低分辨率体素。在大量实验中，我们展示了无条件生成、形状完成和条件生成等各种应用。我们的方法不仅在提供高质量结果方面超越了现有技术水平，而且在几秒内高效生成形状，通常在大多数条件下仅需2秒钟。

Neuroid是一个基于AI的3D建模和动画生成工具

Neuroid是一个基于人工智能的3D建模和动画生成工具,允许用户通过简单快捷的操作把创意转化为复杂的3D模型和动画,从而提高创作效率。该产品利用了生成对抗网络的强大能力,实现了3D运动设计领域的革新。Neuroid可以分析大量的数据集,学习各种运动模式,解锁设计师在运动设计过程中前所未有的创造力和效率。

MidReal是一个基于AI的文本冒险游戏

MidReal是一个基于先进人工智能技术的文本冒险游戏平台。它拥有强大的长篇叙事能力和近乎无限的记忆能力,可以根据玩家的选择来生成一个连贯、沉浸式的故事剧情。玩家可以选择不同的世界观和场景,roleplay成自己喜欢的角色,创造独特的冒险经历。

高效构建3D语言场

LangSplat通过将CLIP语言嵌入映射到一组3D高斯分布来构建3D语言场,实现了对3D场景进行开放词汇量查询。它避免了NeRF中的昂贵渲染过程,大大提高了效率。学习到的语言特征精确捕捉对象边界,提供了精确的3D语言场,没有需要后处理。LangSplat相比LERF提高了199倍的速度。

统一的多模态生成模型

Unified-IO 2是一个统一的多模态生成模型,能够理解和生成图像、文本、音频和动作。它使用单个编码器-解码器Transformer模型,将不同模式(图像、文本、音频、动作等)的输入和输出都表示为一个共享的语义空间进行处理。该模型从头开始在大规模的多模态预训练语料上进行训练,使用了多模态的去噪目标进行优化。为了学会广泛的技能,该模型还在120个现有数据集上进行微调,这些数据集包含提示和数据增强。Unified-IO 2在GRIT基准测试中达到了最先进的性能,在30多个基准测试中都取得了强劲的结果,包括图像生成和理解、文本理解、视频和音频理解以及机器人操作。

高质量3D对象生成模型

Stable Zero123是一种用于视图条件图像生成的内部训练模型。与之前的尖端技术Zero123-XL相比，Stable Zero123产生了显着改进的结果。它通过三项关键创新实现了这一目标：1. 从Objaverse中大幅过滤的改进训练数据集，仅保留高质量的3D对象，并且比以前的方法更加真实地渲染。2. 在训练和推断过程中，我们为模型提供了估计的摄像机角度。这种高程条件使其能够做出更明智、更高质量的预测。3. 预先计算的数据集（预先计算的潜变量）和支持更高批处理量的改进数据加载器，再加上第一项创新，使得训练效率比Zero123-XL提高了40倍。该模型现在已经在Hugging Face上发布，以便研究人员和非商业用户下载和进行实验。

生成高质量的3D纹理形状

GET3D是一个生成高质量的3D纹理形状的生成模型。它能够生成具有复杂拓扑结构、丰富几何细节和高保真度纹理的3D网格。GET3D通过可微分的表面建模、可微分的渲染以及2D生成对抗网络的方法进行训练。它能够生成各种高质量的3D纹理形状，包括汽车、椅子、动物、摩托车、人物和建筑等。

3D高斯泼溅技术资源集合

3D高斯泼溅技术资源集合，涵盖生态系统与工具、研究论文、Unity高斯散射项目等内容。该技术在3D编辑、实时点云重照明、逆渲染、数据压缩、防锯齿等领域有广泛应用，对于对3D高斯泼溅技术感兴趣的人群具有很高的参考价值。

3D可视化的GPT-style LLM

LLM Visualization项目显示了一个GPT-style网络的3D模型。也就是OpenAI的GPT-2、GPT-3（可能还有GPT-4）中使用的网络拓扑。第一个显示工作权重的网络是一个小型网络，对由字母A、B和C组成的小列表进行排序。这是Andrej Karpathy的minGPT实现中的演示示例模型。渲染器还支持可视化任意大小的网络，并且与较小的gpt2大小一起工作，尽管权重没有被下载（它有数百MB）。CPU Simulation项目运行2D原理数字电路，具有完整的编辑器。意图是添加一些演练，展示诸如：如何构建一个简单的RISC-V CPU；构成部分下至门级：指令解码、ALU、加法等；更高级的CPU思想，如各种级别的流水线、缓存等。

利用文本描述在网格上自动生成局部风格化纹理

3D Paintbrus是一种通过文本描述自动为网格上的局部语义区域添加纹理的技术。该方法直接操作于网格上，生成无缝集成到标准图形流水线中的纹理贴图。同时产生指定编辑区域的本地化贴图和与之相适配的纹理贴图。我们利用级联扩散模型的多个阶段来监督局部编辑技术，从而增强纹理区域的细节和分辨率。该技术被称为级联分数蒸馏（CSD），能够同时以级联方式蒸馏多个分辨率的分数，实现对监督的粒度和全局理解的控制。我们展示了3D画笔在局部为不同语义区域内的各种形状添加纹理的有效性。

AI 原生 3D 创作平台

Mootion 是一款 AI 原生的 3D 创作平台，致力于为每个人在数字领域释放创造力，将专业工作流程转化为通用、易用的过程。Mootion 旨在构建一个以人工智能驱动的创意中心，涵盖 3D、视频、动画、游戏等领域，成为一个激发创造力、促进共享和协作的平台。

AI智能外观内饰设计工具

Bits提供AI驱动的外观内饰设计工具,为您的室内外空间提供创意灵感和个性化设计建议。拥有定制样式、无限生成、分享链接等功能,可根据您的项目尽情试验不同方案。专业又简单的设计面板,样式丰富又可定制。检测建筑轮廓,完善草图;呈现手绘效果,试验理念。打造属于您的定制样式!

轻松创建和利用3D内容

3D Creation是一个提供给用户轻松创建和利用3D内容的网站。它提供了多种功能，包括AI纹理、我的模型、API等。用户可以使用AI纹理功能将图片转换为纹理，也可以使用文本转3D功能将文字描述转换为3D模型。此外，用户还可以使用Sketch to 3D功能将手绘草图转换为3D模型。3D Creation适用于各种场景，如设计、图像处理、视频制作等。该产品定位于提供简单易用的3D内容创作工具，并提供合理的定价策略。

高质量定制AI解决方案

PromptHub是一个提供高质量和可定制的AI解决方案的平台。无论在哪个行业，我们都能为您提供定制化的AI服务。我们的平台集成了各种AI工具，帮助您在工作和生活中更高效地完成任务。无论您是否具备技术经验，我们直观友好的界面和功能将引导您轻松使用。我们的平台提供了各种AI解决方案，满足不同行业的需求。立即加入我们的AI解决方案平台，释放您的全部潜力。

AI多模态数据绑定

ImageBind是一种新的AI模型，能够同时绑定六种感官模态的数据，无需显式监督。通过识别这些模态之间的关系（图像和视频、音频、文本、深度、热成像和惯性测量单元（IMUs）），这一突破有助于推动AI发展，使机器能够更好地分析多种不同形式的信息。探索演示以了解ImageBind在图像、音频和文本模态上的能力。

AI助力创造惊艳的3D游戏素材

Meshy是您的3D生成AI工具箱，可以轻松从文本或图像中创建3D素材，加速您的3D工作流程。它提供了以下功能： - AI驱动的2D图像转3D纹理 - 文本提示转3D纹理 - 2D概念艺术转3D纹理 - 2D图像转3D模型 - 2D图像转3D纹理 Meshy革命性地改变了3D内容创作，可帮助艺术家以更快的速度生成高质量的3D素材。定价请参考官方网站。

AI文本转3D角色引擎

Tafi Avatar是一款AI Text-to-3D角色引擎，是创建定制3D角色的最快方式。它提供了数百万个高质量的3D资源，无需任何先前的3D经验即可开始使用。您可以通过文本提示输入，无需自己设计3D角色。Tafi Avatar速度快、质量高，适用于多种场景和用途。

大规模人脸文本-视频数据集

CelebV-Text是一个大规模、高质量、多样化的人脸文本-视频数据集，旨在促进人脸文本-视频生成任务的研究。数据集包含70,000个野外人脸视频剪辑，每个视频剪辑都配有20个文本，涵盖40种一般外观、5种详细外观、6种光照条件、37种动作、8种情绪和6种光线方向。CelebV-Text通过全面的统计分析验证了其在视频、文本和文本-视频相关性方面的优越性，并构建了一个基准来标准化人脸文本-视频生成任务的评估。

Dpt 深度估计 + 3D

Dpt Depth是一款基于 Dpt 深度估计和 3D 技术的图像处理工具。它可以通过输入的图像快速估计出深度信息，并根据深度信息生成相应的三维模型。Dpt Depth Estimation + 3D 功能强大，易于使用，可广泛应用于计算机视觉、图像处理等领域。该产品提供免费试用版本和付费订阅版本。

将2D图片转换为3D模型的AI系统

Any Image to 3D是一款创新的AI系统，可以将复杂的2D图片转换为3D模型。它消除了生成3D内容的技术难题，使得任何人都可以轻松地生成3D模型。它适用于游戏、机器人、混合现实、视觉特效和电子商务等领域。通过简单的可视化，用户可以将想法转化为详细的3D模型。