一行字实现3D换脸！UC伯克利提出「Chat-NeRF」，说句话完成大片级渲染
小伙伴们对科技周边编程感兴趣吗？是否正在学习相关知识点？如果是，那么本文《一行字实现3D换脸！UC伯克利提出「Chat-NeRF」，说句话完成大片级渲染》，就很适合你，本篇文章讲解的知识点主要包括。在之后的文章中也会多多分享相关知识点，希望对大家的知识积累有所帮助！
由于神经3D重建技术的发展，捕获真实世界3D场景的特征表示从未如此简单。
然而，在此之上的3D场景编辑却一直未能有一个简单有效的方案。
最近，来自UC伯克利的研究人员基于此前的工作InstructPix2Pix，提出了一种使用文本指令编辑NeRF场景的方法——Instruct-NeRF2NeRF。
论文地址：https://arxiv.org/abs/2303.12789
利用Instruct-NeRF2NeRF，我们只需一句话，就能编辑大规模的现实世界场景，并且比以前的工作更真实、更有针对性。
比如，想要他有胡子，脸上就会出现一簇胡子！
或者直接换头，秒变成爱因斯坦。
此外，由于模型能不断地使用新的编辑过的图像更新数据集，所以场景的重建效果也会逐步得到改善。
NeRF + InstructPix2Pix = Instruct-NeRF2NeRF
具体来说，人类需要给定输入图像，以及告诉模型要做什么的书面指令，随后模型就会遵循这些指令来编辑图像。
实现步骤如下：
- 在训练视角下从场景中渲染出一张图像。
- 使用InstructPix2Pix模型根据全局文本指令对该图像进行编辑。
- 用编辑后的图像替换训练数据集中的原始图像。
- NeRF模型按照往常继续进行训练。
实现方法
相比于传统的三维编辑，NeRF2NeRF是一种新的三维场景编辑方法，其最大的亮点在于采用了「迭代数据集更新」技术。
虽然是在3D场景上进行编辑，但论文中使用2D而不是3D扩散模型来提取形式和外观先验，因为用于训练3D生成模型的数据非常有限。
这个2D扩散模型，就是该研究团队不久前开发的InstructPix2Pix——一款基于指令文本的2D图像编辑模型，输入图像和文本指令，它就能输出编辑后的图像。
然而，这种2D模型会导致场景不同角度的变化不均匀，因此，「迭代数据集更新」应运而生，该技术交替修改NeRF的「输入图片数据集」，并更新基础3D表征。
这意味着文本引导扩散模型（InstructPix2Pix）将根据指令生成新的图像变化，并将这些新图像用作NeRF模型训练的输入。因此，重建的三维场景将基于新的文本引导编辑。
在初始迭代中，InstructPix2Pix通常不能在不同视角下执行一致的编辑，然而，在NeRF重新渲染和更新的过程中，它们将会收敛于一个全局一致的场景。
总结而言，NeRF2NeRF方法通过迭代地更新图像内容，并将这些更新后的内容整合到三维场景中，从而提高了3D场景的编辑效率，还保持了场景的连贯性和真实感。
可以说，UC伯克利研究团队的此项工作是此前InstructPix2Pix的延伸版，通过将NeRF与InstructPix2Pix结合，再配合「迭代数据集更新」，一键编辑照样玩转3D场景！
仍有局限，但瑕不掩瑜
不过，由于Instruct-NeRF2NeRF是基于此前的InstructPix2Pix，因此继承了后者的诸多局限，例如无法进行大规模空间操作。
此外，与DreamFusion一样，Instruct-NeRF2NeRF一次只能在一个视图上使用扩散模型，所以也可能会遇到类似的伪影问题。
下图展示了两种类型的失败案例：
（1）Pix2Pix无法在2D中执行编辑，因此NeRF2NeRF在3D中也失败了；
（2）Pix2Pix在2D中可以完成编辑，但在3D中存在很大的不一致性，因此NeRF2NeRF也没能成功。
再比如下面这只「熊猫」，不仅看起来非常凶悍（作为原型的雕像就很凶），而且毛色多少也有些诡异，眼睛在画面移动时也有明显的「穿模」。
自从ChatGPT，Diffusion, NeRFs被拉进聚光灯之下，这篇文章可谓充分发挥了三者的优势，从「AI一句话作图」进阶到了「AI一句话编辑3D场景」。
尽管方法存在一些局限性，但仍瑕不掩瑜，为三维特征编辑给出了一个简单可行的方案，有望成为NeRF发展的里程碑之作。
一句话编辑3D场景
最后，再看一波作者放出的效果。
不难看出，这款一键PS的3D场景编辑神器，不论是指令理解能力，还是图像真实程度，都比较符合预期，未来也许会成为学术界和网友们把玩的「新宠」，继ChatGPT后打造出一个Chat-NeRFs。
即便是随意改变图像的环境背景、四季特点、天气，给出的新图像也完全符合现实逻辑。
原图：
秋天：
雪天：
沙漠：
暴风雨：
参考资料：https://instruct-nerf2nerf.github.io
今天关于《一行字实现3D换脸！UC伯克利提出「Chat-NeRF」，说句话完成大片级渲染》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3D,换脸,UC的内容请关注golang学习网公众号！
LeCun论文被指「洗稿」？ LSTM之父发文怒怼：抄我的还标原创
- 上一篇
- LeCun论文被指「洗稿」？ LSTM之父发文怒怼：抄我的还标原创
- 下一篇
- 蹿红的生成式AI，是否为企业应用做好准备了？
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
- 485次学习
-
- ljg-skills
- ljg-skills 是李继刚开源的 AI 技能与提示词集合，面向大模型使用者整理了一批可复用的 prompt、角色设定和任务技能模板，适合用于学习提示词设计、搭建个人 AI 工作流和沉淀团队常用智能体能力。
- 2556次使用
-
- MELO音乐
- MELO音乐是一站式AI视频与音乐制作助手，对标suno, udio的高品质体验。提供伴奏生成、原创写词、无损导出、哼唱识曲、混音变声等全套音频与短视频编辑工具。无论是流行Kpop、电音说唱、民谣古风、摇滚儿歌还是商用轻音乐，MELO为你免费谱曲，轻松做同款！
- 2364次使用
-
- UniScribe
- UniScribe 是一款 AI 音视频转文字与内容整理工具，支持上传音频、视频文件或粘贴 YouTube 链接，自动生成转写文本、摘要、思维导图和关键问题，并支持多格式导出，适合会议记录、课程学习、访谈整理和内容创作复盘。
- 2311次使用
-
- 剧云
- 剧云是专业中文剧本创作平台，安全稳定运行十余年，集成AI编剧、剧本医生审核、人物小传、剧情关系图、大纲编写、多人协作、Word导入导出、版权管控功能，数据安全防护，轻松高效创作剧本。
- 2516次使用
-
- 万象有声
- 万象有声，一个专为有声创作者打造的新一代智能有声内容创作平台。平台提供专业的智能拆章、智能画本编辑、AI配音、AI生成音效、后期制作、智能对轨、智能审听等有声创作全流程工具，可以帮助创作者高效、低成本创作出引人入胜的有声作品。立即体验，让有声书制作更简单！
- 2496次使用
-
- AI写作工具免费版安装教程（含豆包Clawdbot）
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗？输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览
-
- Hermes Agent依赖的工具链有哪些 必备工具链介绍
- 2026-05-05 501浏览
-
- 千问AI官网地址链接入口_千问AI官方网站登陆入口
- 2026-05-05 501浏览
