3D模型换皮肤有多简单？开源项目Text2Mesh一句话搞定

　　给灰突突的3D模型加新皮肤，这事儿能有多简单？
　　现在，只需要一句话就能搞定。
　　一个普通小台灯，给个BrickLamp的描述，瞬间变砖块灯：
　　一匹灰色小马，加上AstronautHorse，摇身一变就成了宇航马：
　　操作简单不说，每一个角度上的细节和纹理也都呈现出来了。
　　这就是用一个专门给3D物体换皮肤的模型Text2Mesh做出来的，由芝加哥大学和特拉维夫大学联合打造。
　　一句话给3D物体换皮肤
　　Text2Mesh模型的输入只需一个3DMesh（无论原始图像质量高低），外加一句文字描述。
　　具体变换过程如下：
　　输入的原始网格模型mesh，顶点VRn3，表面F｛1，。。。，n｝m3，它们在整个训练过程中固定不变。
　　然后再构造一个神经风格（neuralstyle）网络，为mesh每个顶点生成一个样式属性，后续好在整个表面上定义风格。
　　具体来说，该网络将网格表面pV上的点映射成相应的RGB颜色，并沿法线方向位移，生成一个风格化了的初始mesh。
　　接着从多个视图对这个mesh进行渲染。
　　再使用CLIP嵌入的2D增强技术让结果更逼真。
　　在这个过程中，渲染图像和文本提示之间的CLIP相似性得分，会被作为更新神经网络权重的信号。
　　整个Text2Mesh不需要预训练，也不需要专门的3DMesh数据集，更无需进行UV参数化（将三角网格展开到二维平面）。具体效果如何？
　　Text2Mesh在单个GPU上训练的时间只需不到25分钟，高质量的结果可以在10分钟之内出现。
　　它可以生成各种风格，并且细节还原非常到位：
　　再比如下面这个，不管是变雪人、忍者、蝙蝠侠、绿巨人，还是乔布斯、梅西、律师衣服的褶皱、配饰、肌肉、发丝等细节都可以生动呈现。
　　研究人员还设计了一个用户调查，将Text2Mesh与基线方法VQGAN相比。
　　评分涉及三个问题：1、生成的结果自然程度；2、文本与结果的匹配度；3、结果与原始图像的匹配度。
　　57名用户打分后，得出的结果如下：
　　Text2Mesh在每一项上得分都比VQGAN高。
　　此外，在更复杂、更特殊的文本描述之下，Text2Mesh也能hold住。
　　比如由钩针编织成的闪亮的金色衣服熨斗：
　　带波纹金属的蓝钢luxo台灯：
　　更厉害的是，Text2Mesh模型还可以直接使用图片驱动。
　　比如就给一张仙人掌的照片，也能直接把原始灰色的3D小猪变成仙人掌风格：
　　OneMoreThing
　　Text2Mesh代码已开源，在KaggleNotebook上也有人上传了demo。感兴趣的便朋友可以一试：
　　最后，大家知道这是只啥么？
　　demo地址：
　　https：www。kaggle。comneverixtext2mesh
　　论文：
　　https：arxiv。orgabs2112。03221
　　代码：
　　https：github。comthreedletext2mesh
　　参考链接：
　　https：threedle。github。iotext2mesh