在数十亿图像文本对上训练的扩散模型推动了文本到图像合成的最新突破。将这种方法应用于 3D 合成将需要标记 3D 资产的大规模数据集和用于去噪 3D 数据的高效架构，而这两者目前都不存在。在这项工作中，我们通过使用预训练的 2D 文本到图像扩散模型来执行文本到 3D 合成来规避这些限制。我们引入了一种基于概率密度蒸馏的损失，它可以使用 2D 扩散模型作为参数图像生成器优化的先验。在类似 DeepDream 的过程中使用这种损失，我们通过梯度下降优化随机初始化的 3D 模型（神经辐射场或 NeRF），使其从随机角度的 2D 渲染实现低损失。给定文本的生成的 3D 模型可以从任何角度查看，通过任意照明重新点亮，或合成到任何 3D 环境中。我们的方法不需要 3D 训练数据，也不需要修改图像扩散模型，证明了预训练图像扩散模型作为先验模型的有效性。

用 Express 和 Vue3 搭建的 ChatGPT 演示网页. Contribute to Chanzhaoyu/chatgpt-web development by creating an account on GitHub.

Plask 是一种基于网络的 AI 解决方案，用于生成具有定制姿势和角度的 2D 图像，简化角色迷人视觉效果的创建。

领先的文本转语音应用程序，在 Chrome、iOS 和 Android 上拥有数百万次下载。在任何设备上收听互联网。

3D 建模从未如此简单。选择一个发电机，调整它，完成。在 Sloyd Webapp 或 SDK 中实时生成。

给Ponzu提供你能想象到的任何提示，从我们的风格中挑选一个，然后给它一个旋转。在几秒钟内，你就会得到可铺设的纹理和一个交互式的3D渲染。

3DFY.ai 使用人工智能从文本提示或单张图像创建高质量的 3D 模型。现在任何人都可以快速为其行业大规模创建引人入胜的 3D 资产。

我们通过两个潜在的代码生成一个三维SDF和一个纹理场。我们利用DMTet从SDF中提取一个三维表面网格，并在表面点查询纹理场以获得颜色。我们用定义在二维图像上的对抗性损失进行训练。特别是，我们使用基于栅格化的可区分渲染器来获得RGB图像和剪影。我们利用两个二维判别器，分别对RGB图像和剪影进行判别，以分类输入是真还是假。整个模型是可以端到端训练的。