牛津大学与谷歌联手，Bolt3D震撼3D场景生成

牛津大学VGG团队、谷歌研究院和DeepMind联合推出的Bolt3D，是一款革命性的3D场景生成技术。它利用基于潜在扩散模型的全新方法，可在单GPU上不到7秒内，从单张或多张图像生成高质量3D场景。该技术具有闪电般的生成速度、强大的多视角适应性和高保真3D模型等优势，并支持实时交互，广泛应用于游戏开发、虚拟/增强现实、建筑设计和影视制作等领域。Bolt3D项目官网已上线，相关论文也已发布在arXiv上，有望彻底改变3D场景生成效率。

Bolt3D：革命性的3D场景生成技术

Bolt3D是由谷歌研究院、牛津大学VGG团队和谷歌DeepMind联合开发的一项突破性3D场景生成技术。它是一种基于潜在扩散模型的全新方法，能够在单GPU上，仅用不到7秒的时间，直接从一张或多张图像中生成高质量的3D场景表示。在英伟达H100 GPU上，这一速度甚至可以缩短至6.25秒。

核心功能与优势：

• 闪电般的生成速度： 采用前馈式生成方法，实现极速的3D场景构建。
• 强大的多视角适应性： 支持单视图和多视图图像输入，并能智能地生成未被观测区域的内容。
• 高保真3D模型： 基于高斯溅射技术，生成细节丰富、视觉效果逼真的3D场景。每个高斯函数都包含位置、颜色、透明度和空间信息。
• 实时交互与广泛应用： 生成的3D场景可在浏览器中实时渲染和查看，适用于游戏开发、虚拟现实、增强现实、建筑设计和影视制作等众多领域。

技术原理详解：

Bolt3D的技术架构基于三个核心模块：

1. 几何多视角潜在扩散模型： 该模型学习图像和3D点云的联合分布，将图像及其相机姿态作为输入，生成目标图像、目标点云和源视图点云。
2. 几何变分自编码器（Geometry VAE）： 用于高效压缩点云数据，通过最小化标准VAE目标和特定几何损失来优化编码过程。
3. 多视图前馈高斯头部模型： 根据相机参数以及生成的图像和点云，输出存储在散点图像中的3D高斯的细化颜色、透明度和协方差矩阵。

此外，Bolt3D的训练依赖于一个大规模的多视图一致3D几何和外观数据集，并采用三阶段训练流程：先训练Geometry VAE，再训练高斯头部模型，最后训练潜在扩散模型。

项目信息与应用场景：

• 项目官网： http://szymanowiczs.github.io/bolt3d
• arXiv技术论文： http://arxiv.org/pdf/2503.14445

Bolt3D的应用前景十分广阔，例如：

• 游戏产业： 显著缩短游戏场景制作周期，降低开发成本。
• 虚拟/增强现实： 提供实时、高保真的3D场景，提升用户沉浸感。
• 建筑设计： 快速生成建筑模型，方便设计和展示。
• 影视特效： 高效生成复杂的3D场景，提升特效制作效率。

Bolt3D的出现标志着3D场景生成技术的一次重大飞跃，其高效、高保真和易用性将为众多行业带来革命性的改变。

今天关于《牛津大学与谷歌联手，Bolt3D震撼3D场景生成》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！