Neuralangelo Research Reconstructs 3D Scenes | NVIDIA 对比 Text-To-4D
在 Neuralangelo Research Reconstructs 3D Scenes | NVIDIA 和 Text-To-4D 的对决中，哪个 AI 3D Generation 工具脱颖而出？我们比较评论、定价、替代品、赞成票、功能等等。
Neuralangelo Research Reconstructs 3D Scenes | NVIDIA 和 Text-To-4D，哪一个更优？
当我们比较Neuralangelo Research Reconstructs 3D Scenes | NVIDIA和Text-To-4D时，这两个都是AI驱动的3d generation工具， 在赞成票方面，Text-To-4D是首选。 Text-To-4D已经获得了 26 个赞成票，而 Neuralangelo Research Reconstructs 3D Scenes | NVIDIA 已经获得了 6 个赞成票。
认为我们错了？投票并向我们展示谁才是老大！
Neuralangelo Research Reconstructs 3D Scenes | NVIDIA
什么是 Neuralangelo Research Reconstructs 3D Scenes | NVIDIA?
Neuralangelo 是 NVIDIA 研究团队开发的一个模型，能够从普通的二维视频中重建详细的三维物体和场景。通过输入从多个角度拍摄的片段，系统构建出适用于游戏、数字孪生和机器人仿真的建筑、雕塑、车辆和室内的纹理网格。
早期的神经重建方法会模糊屋顶瓦片、玻璃和大理石等细节纹理。Neuralangelo 扩展了 NVIDIA Instant NeRF 的即时神经图形基元，以更高的保真度捕捉这些表面，因此智能手机拍摄的素材也能生成创意团队可以导入设计工具的资产，无需激光扫描或手动建模过程。
研究人员、游戏艺术家和机器人工程师使用 Neuralangelo 来数字化从米开朗基罗级别的雕像到校园建筑的真实世界物体。该项目在 GitHub 上以 nvlabs/neuralangelo 开源，研究代码本身无商业许可费用。
Text-To-4D
什么是 Text-To-4D?
Text-To-4D 是 Meta AI 的一个研究项目（MAV3D），能够根据文本描述生成三维动态场景。该方法使用了一个四维动态神经辐射场，通过查询文本到视频的扩散模型，优化了外观、密度和运动一致性。
与输出单一网格的静态三维生成器不同，Text-To-4D 生成的场景可以从任意摄像机角度观看，并可合成到其他三维环境中。该方法不需要三维或四维训练数据；其底层的文本到视频模型仅在文本-图像对和无标签视频上进行训练。
项目页面提供了文本到四维的演示样例，如“柯基犬玩球”，以及从静态照片到四维的图像转换。它是一个研究展示项目，不是带有公开 API 或注册功能的商业产品。对基于 NeRF 的动态场景生成感兴趣的研究人员和三维艺术家可以在网站上查看论文和样例输出。
Neuralangelo Research Reconstructs 3D Scenes | NVIDIA 赞同数
Text-To-4D 赞同数
Neuralangelo Research Reconstructs 3D Scenes | NVIDIA 顶级功能
从多个角度拍摄的2D视频中重建3D对象和大型场景
比之前的神经方法更好地捕捉瓦片、玻璃和大理石等细腻纹理
基于NVIDIA Instant NeRF技术的即时神经图形原语构建
导出用于游戏引擎、VR、数字孪生和机器人流程的详细网格
开源代码发布在github.com/nvlabs/neuralangelo
在手机录像中展示雕像、车辆和完整建筑内部
在CVPR 2023上展示，伴随近30个NVIDIA研究项目
Text-To-4D 顶级功能
通过MAV3D（Make-A-Video3D）从文本提示生成3D动态场景
4D动态NeRF，优化外观、密度和运动一致性
从任何摄像机位置和角度查看生成的场景
图像到4D模式将静态照片转换为动态视频场景
仅在文本-图像对和未标记视频上训练，无需3D/4D数据
在arXiv（2301.11280）发表的研究论文及交互演示样本
Neuralangelo Research Reconstructs 3D Scenes | NVIDIA 类别
- 3D Generation
Text-To-4D 类别
- 3D Generation
Neuralangelo Research Reconstructs 3D Scenes | NVIDIA 定价类型
- Free
Text-To-4D 定价类型
- Free