Fortschritte in der 3D-Generierung: Ein Überblick

Advances in 3D Generation: A Survey

January 31, 2024

Autoren: Xiaoyu Li, Qi Zhang, Di Kang, Weihao Cheng, Yiming Gao, Jingbo Zhang, Zhihao Liang, Jing Liao, Yan-Pei Cao, Ying Shan

cs.AI

Zusammenfassung

Die Erzeugung von 3D-Modellen steht im Zentrum der Computergrafik und war über Jahrzehnte hinweg Gegenstand intensiver Forschung. Mit dem Aufkommen fortschrittlicher neuronaler Repräsentationen und generativer Modelle entwickelt sich das Feld der 3D-Inhaltserzeugung rasant und ermöglicht die Erstellung immer hochwertigerer und vielfältigerer 3D-Modelle. Das schnelle Wachstum dieses Bereichs macht es schwierig, alle aktuellen Entwicklungen im Blick zu behalten. In dieser Übersichtsarbeit möchten wir die grundlegenden Methodologien der 3D-Generierung vorstellen und einen strukturierten Fahrplan etablieren, der 3D-Repräsentationen, Generierungsmethoden, Datensätze und entsprechende Anwendungen umfasst. Insbesondere führen wir die 3D-Repräsentationen ein, die als Rückgrat für die 3D-Generierung dienen. Darüber hinaus bieten wir einen umfassenden Überblick über die schnell wachsende Literatur zu Generierungsmethoden, kategorisiert nach Art der algorithmischen Paradigmen, einschließlich Feedforward-Generierung, optimierungsbasierter Generierung, prozeduraler Generierung und generativer Neuansichtssynthese. Schließlich diskutieren wir verfügbare Datensätze, Anwendungen und offene Herausforderungen. Wir hoffen, dass diese Übersichtsarbeit den Lesern hilft, dieses spannende Thema zu erkunden und weitere Fortschritte im Bereich der 3D-Inhaltserzeugung zu fördern.

English

Generating 3D models lies at the core of computer graphics and has been the focus of decades of research. With the emergence of advanced neural representations and generative models, the field of 3D content generation is developing rapidly, enabling the creation of increasingly high-quality and diverse 3D models. The rapid growth of this field makes it difficult to stay abreast of all recent developments. In this survey, we aim to introduce the fundamental methodologies of 3D generation methods and establish a structured roadmap, encompassing 3D representation, generation methods, datasets, and corresponding applications. Specifically, we introduce the 3D representations that serve as the backbone for 3D generation. Furthermore, we provide a comprehensive overview of the rapidly growing literature on generation methods, categorized by the type of algorithmic paradigms, including feedforward generation, optimization-based generation, procedural generation, and generative novel view synthesis. Lastly, we discuss available datasets, applications, and open challenges. We hope this survey will help readers explore this exciting topic and foster further advancements in the field of 3D content generation.