Awesome 3D Diffusion — 선별된 논문 목록

개요: 확산 모델(이미지 및 3D 생성에 사용되는 AI 유형)을 3D 콘텐츠 제작에 적용한 학술 논문을 수집한 GitHub 저장소입니다. 연구자들이 유지 관리하며 해당 분야의 참조 허브로 사용됩니다.

내용: README 자체는 거의 전적으로 논문의 분류된 목록이며, 각 논문에는 arXiv(학술 사전 인쇄) 페이지 링크와 인용 정보가 포함되어 있습니다. 각 항목에는 저자와 학회/연도가 포함됩니다. 또한 이 컬렉션은 두 가지 관련 리소스를 연결합니다: 4D 생성(3D + 시간)에 관한 자매 저장소와 이 목록의 논문을 요약한 설문 PDF입니다. 설문을 자신의 작업에서 인용하려는 사람들을 위해 BibTeX 인용이 제공됩니다.

구성: 논문은 기술적 접근 방식별로 그룹화됩니다. 세 가지 주요 분기는 다음과 같습니다.

1. 사전 훈련된 2D 확산 모델에서 시작하는 방법 — 기존 2D 이미지 확산 모델을 가이드로 사용하며, 텍스트를 단일 3D 객체로 변환, 전체 장면 또는 구성된 객체 생성, 하나의 이미지를 3D로 변환, 인간 또는 동물 피사체 생성, 기존 3D 모델 편집, 텍스처 추가, 다중 뷰 이미지 생성에 대한 하위 섹션이 있습니다.
2. 사전 훈련된 2D 확산 없이 진행하는 방법 — 3D 객체 또는 3D 장면에 대해 확산을 직접 훈련합니다.
3. 3D 공간 자체에서 확산을 수행하는 방법 — 가우시안 스플랫, 포인트 클라우드, 메쉬, 볼륨, 암시적 함수, 트라이플레인, 잠재 코드 또는 새로운 표현과 같은 3D 표현으로 직접 작업합니다.

또한 모션을 위한 확산(특히 인간 모션)에 대한 섹션이 있습니다.

기여 방법: 유지 관리자는 목록이 완전하지 않다고 명시적으로 말하며 풀 리퀘스트를 통해 직접 추가하거나 수정을 제출하도록 누구나 환영합니다. 먼저 이슈를 열 필요가 없습니다. 이는 정적 아카이브가 아닌 공개적으로 협력하는 살아있는 문서입니다.