Awesome 3D Diffusion — 精选论文列表

这是什么： 一个 GitHub 仓库，收集了将扩散模型（一种用于图像和 3D 生成的 AI）应用于 3D 内容创作的学术论文。它由研究人员维护，旨在成为该领域的参考中心。

包含内容： README 本身几乎完全是一个分类的论文列表，每篇论文都包含指向其 arXiv（学术预印本）页面的链接和引文信息。每个条目都包括作者和发表地点/年份。该集合还链接到两个相关资源：一个关于 4D 生成（3D 加时间）的姊妹仓库，以及一个总结此列表中论文的综述 PDF。为那些想在自己的工作中引用该综述的人提供了 BibTeX 引文。

组织方式： 论文按技术方法分组。三个主要分支是：

1. 从预训练的 2D 扩散模型开始的方法 — 使用现有的 2D 图像扩散模型作为指导，下设子部分，包括将文本转化为单个 3D 对象、生成整个场景或组合对象、将一张图像转化为 3D、生成人类或动物主体、编辑现有 3D 模型、添加纹理以及生成多视图图像。
2. 无预训练 2D 扩散的方法 — 直接为 3D 对象或 3D 场景训练扩散模型。
3. 在 3D 空间本身进行扩散的方法 — 直接使用 3D 表示，如高斯溅射、点云、网格、体素、隐式函数、三平面、潜在代码或新颖的表示。

它还有一个关于用于运动的扩散的章节，特别是人体运动。

如何贡献： 维护者明确表示列表并不完整，并邀请任何人通过拉取请求直接提交添加或更正 — 无需先打开问题。这使其成为一个开放协作的活文档，而不是静态存档。