Avances en la Generación 3D: Una Revisión

Advances in 3D Generation: A Survey

January 31, 2024

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

cs.AI

Resumen

La generación de modelos 3D se encuentra en el núcleo de la gráfica por computadora y ha sido el foco de décadas de investigación. Con el surgimiento de representaciones neuronales avanzadas y modelos generativos, el campo de la generación de contenido 3D se está desarrollando rápidamente, permitiendo la creación de modelos 3D cada vez más diversos y de alta calidad. El rápido crecimiento de este campo hace que sea difícil mantenerse al tanto de todos los avances recientes. En este estudio, nuestro objetivo es introducir las metodologías fundamentales de los métodos de generación 3D y establecer una hoja de ruta estructurada, que abarca la representación 3D, los métodos de generación, los conjuntos de datos y las aplicaciones correspondientes. Específicamente, presentamos las representaciones 3D que sirven como base para la generación 3D. Además, ofrecemos una visión general exhaustiva de la literatura en rápido crecimiento sobre los métodos de generación, categorizados por el tipo de paradigmas algorítmicos, incluyendo la generación directa, la generación basada en optimización, la generación procedural y la síntesis generativa de nuevas vistas. Por último, discutimos los conjuntos de datos disponibles, las aplicaciones y los desafíos abiertos. Esperamos que este estudio ayude a los lectores a explorar este emocionante tema y fomente avances adicionales en el campo de la generación de contenido 3D.

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.