Progressi nella Generazione 3D: Una Rassegna

Advances in 3D Generation: A Survey

January 31, 2024

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

cs.AI

Abstract

La generazione di modelli 3D rappresenta il cuore della computer grafica ed è stata al centro di decenni di ricerca. Con l'emergere di rappresentazioni neurali avanzate e modelli generativi, il campo della generazione di contenuti 3D si sta sviluppando rapidamente, consentendo la creazione di modelli 3D sempre più di alta qualità e diversificati. La rapida crescita di questo settore rende difficile rimanere aggiornati su tutti i recenti sviluppi. In questa rassegna, ci proponiamo di introdurre le metodologie fondamentali dei metodi di generazione 3D e di stabilire una roadmap strutturata, che comprende rappresentazione 3D, metodi di generazione, dataset e applicazioni corrispondenti. Nello specifico, introduciamo le rappresentazioni 3D che fungono da spina dorsale per la generazione 3D. Inoltre, forniamo una panoramica completa della letteratura in rapida crescita sui metodi di generazione, categorizzati in base al tipo di paradigmi algoritmici, inclusi la generazione feedforward, la generazione basata su ottimizzazione, la generazione procedurale e la sintesi generativa di nuove viste. Infine, discutiamo i dataset disponibili, le applicazioni e le sfide aperte. Speriamo che questa rassegna aiuti i lettori a esplorare questo entusiasmante argomento e a favorire ulteriori progressi nel campo della generazione di contenuti 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.