MeshLRM：基于 LRM 重建的大型图像重建高质量模型

研究团队提出了 MeshLRM，这是一种基于 LRM 的新颖方法，可以在不到一秒的时间内仅从四个输入图像重建高质量模型。与之前专注于基于 NeRF 重建的大型重建模型 (LRM) 不同，MeshLRM 在 LRM 框架内结合了可微分模型提取和渲染。

MeshLRM论文：https://huggingface.co/papers/2404.12385

github项目：https://github.com/MeshLRM/MeshLRM.github.io

AIGC专区：
https://heehel.com/category/aigc

这允许通过使用模型渲染微调预先训练的 NeRF LRM 来进行端到端模型重建。此外，研究团队通过简化以前 LRM 中的几个复杂设计来改进 LRM 架构。 MeshLRM的NeRF初始化是用低分辨率和高分辨率图像顺序训练的；这种新的 LRM 训练策略可以显着加快收敛速度​​，从而以更少的计算量获得更好的质量。

研究团队的方法从稀疏视图输入实现了最先进的模型重建，并且MeshLRM还允许许多下游应用，包括文本到 3D 和单图像到 3D 生成。