在 AI 技术快速发展的当下，单张图像生成 3D 模型的技术突破引起了广泛关注。今天要和大家聊聊 Zero123 的扩散模型，看看它在单张图像生成 3D 模型的多视角重建技术方面表现如何。
先来说说 Zero123 扩散模型的基本情况。Zero123 是基于 Stable Diffusion 进行微调的模型，它的独特之处在于能够控制相机的相对视角变换。简单来说，给定一张物体的 RGB 图像和一个相对的相机变换，Zero123 可以生成该物体在变换后视角下的对应图像。这就为后续的 3D 重建提供了多视角的图像基础。
那么，Zero123 是如何实现多视角重建的呢？这里不得不提 One-2-3-45 方法。它结合了 Zero123 生成的多视角图像和基于 SDF 的通用神经曲面重建模块。具体来说，首先利用 Zero123 生成多视角图像，然后通过姿态估计模块推断输入图像的仰角，再将多视角姿态图像输入到重建模块中进行 360° 网格重建。这种方法摆脱了传统逐物体优化的耗时过程，大大缩短了生成时间，只需 45 秒就能生成一个完整的 3D 纹理网格。
Zero123 在技术上有不少创新点。一方面，它采用了两阶段的多视角合成方法，先通过 Zero123 生成多视角图像，再进行 3D 重建。另一方面，在训练过程中，通过选择源视图并添加深度监督，使得重建模块能够处理来自 Zero123 的不一致预测，从而生成一致的 3D 模型。此外，Zero123 还引入了可见性引导的 SDS 权重机制，根据每个像素在输入视角中的可见程度，动态调节扩散模型的引导强度，确保在已有照片信息处保持忠实，在空白区域合理发挥想象力。
从性能表现来看，Zero123 也有不错的成绩。在 Objaverse 和 GoogleScannedObjects 数据集上的实验结果显示，One-2-3-45 方法在 F-score 方面优于所有基线方法，在 CLIP 相似度方面也表现出色。而且，其运行时间相比基于优化的方法有明显优势，在 A100 GPU 上每幅图像大约需要 1 秒钟，三维重建模块只需要大约 5 秒钟。
不过，Zero123 也存在一些局限性。例如，在处理复杂背景或模糊主体的图像时，可能会出现识别不准确的情况。此外，对于一些特定的设计风格或细节要求，Zero123 可能还需要进一步的优化和调整。在硬件要求方面，Stable Zero123 需要至少 24GB 显存的 GPU，这对于普通用户来说可能是一个挑战。
在实际应用中，Zero123 有着广泛的前景。它可以应用于智能家居重建，仅需从 YouTube 看房视频中提取 15 张图像，配合 Colmap 标注相机位姿和 SAM2 物体分割，就能重建出高质量的带纹理场景模型。在 3D AIGC 领域，借助 Zero123 的生成式先验，用户可以轻松实现基于文本的场景编辑，为影视特效、游戏开发等带来了极大的便利。
总的来说，Zero123 的扩散模型在单张图像生成 3D 模型的多视角重建技术方面取得了显著的进展。它的快速生成能力、较高的模型质量以及广泛的应用场景，使其在 3D 生成领域具有重要的地位。尽管还存在一些局限性，但随着技术的不断发展和优化，相信 Zero123 会在更多领域发挥重要作用。
该文章由dudu123.com嘟嘟 ai 导航整理，嘟嘟 AI 导航汇集全网优质网址资源和最新优质 AI 工具。
