One-2-3-45，这个HuggingFace项目在45秒内，能将2D的照片转换成3D网格！效果见视频↓论文摘要：单图像 3D 重建是一项重要但具有挑战性的任务，需要对自然世界的广泛了解。许多现有方法通过在 2D 扩散模型的指导下优化神经辐射场来解决这个问题，但存在优化时间长、3D 结果不一致和几何形状差的问题。在这项工作中，我们提出了一种新颖的方法，该方法将任何对象的单个图像作为输入，并在单次前馈传递中生成完整的 360 度 3D 纹理网格。给定单个图像，我们首先使用视图条件 2D 扩散模型 Zero123 为输入视图生成多视图图像，然后旨在将它们提升到 3D 空间。由于传统的重建方法难以应对不一致的多视图预测，我们在基于 SDF 的广义神经表面重建方法上构建了 3D 重建模块，并提出了几种关键的训练策略来实现 360 度网格的重建。无需昂贵的优化，我们的方法重建 3D 形状的时间明显少于现有方法。此外，我们的方法有利于更好的几何形状，生成更一致的 3D 结果，并且更紧密地粘附于输入图像。我们在合成数据和野外图像上评估我们的方法，并证明其在网格质量和运行时间方面的优越性。此外，我们的方法可以通过与现成的文本到图像扩散模型集成来无缝支持文本到 3D 任务。生成更加一致的 3D 结果，并且更加贴近输入图像。我们在合成数据和未训练图像上评估我们的方法，并证明其在网格质量和运行时间方面的优越性。此外，我们的方法可以通过与现成的文本到图像扩散模型集成来无缝支持文本到 3D 任务。生成更加一致的 3D 结果，并且更加贴近输入图像。我们在合成数据和野外图像上评估我们的方法，并证明其在网格质量和运行时间方面的优越性。此外，我们的方法可以通过与现成的文本到图像扩散模型集成来无缝支持文本到 3D 任务。项目：one-2-3-45.github.ioDemi: huggingface.co/spaces/One-2-3-45/One-2-3-45#ChatGPT[超话]#