Point-E: Sistem kanggo ngasilake point cloud 3D saka prompt sing kompleks

Nalika karya anyar babagan generasi obyek 3D sing dikondisikake teks wis nuduhake asil sing njanjeni, metode paling mutakhir biasane mbutuhake pirang-pirang jam GPU kanggo ngasilake siji sampel. Iki banget beda karo model gambar generatif paling mutakhir, sing ngasilake sampel mung sajrone sawetara detik utawa menit. Ing paper iki, kita njelajah metode alternatif kanggo generasi obyek 3D sing ngasilake model 3D mung sajrone 1-2 menit ing siji GPU. Metode kita dhisik ngasilake siji tampilan sintetis nganggo model difusi teks-menyang-gambar, banjur ngasilake point cloud 3D nganggo model difusi kapindho sing dikondisikake marang gambar sing wis diasilake. Sanadyan metode kita isih durung nyandingi sing paling mutakhir ing babagan kualitas sampel, metode iki siji nganti loro orde magnitudo luwih cepet kanggo sampling, menehi trade-off praktis kanggo sawetara kasus panggunaan. Kita nerbitake model difusi point cloud pralatih, uga kode lan model evaluasi, ing URL https iki⁠(mbukak ing jendhela anyar).