Perturb-and-Revise: Flexible 3D Editing with Generative Trajectories

Susung Hong; Johanna Suvi Karras; Ricardo Martin-Brualla; Ira Kemelmacher-Shlizerman

doi:10.1109/cvpr52734.2025.01519

CVPR2025顶会

Perturb-and-Revise: Flexible 3D Editing with Generative Trajectories

Susung Hong, Johanna Suvi Karras, Ricardo Martin-Brualla, Ira Kemelmacher-Shlizerman

arXiv DOI 出版方

2025年份

摘要

2 Google Research "… holding a champagne flute" "… a black leather jacket …" "… flats with roses" Figure 1. Perturb-and-Revise takes a source NeRF and an edit prompt as input and produces the edited result through: (1) versatile initialization via parameter perturbation, (2) multi-view consistent score distillation, and (3) refinement with the identity-preserving gradient.

问问这篇 Paper

智能体会读完全文。

Lune 把这篇 Paper 索引到了每一个公式，引用它的顶会 Paper 也一样。你提问，回答直接引用原文。

核心论断
横向对比
局限

你的问题

智能体调用

Luneget_paper_fulltext

在 Lune 里问

免费开始，无需绑卡

它引用的顶会 Paper46

Learning Transferable Visual Models From Natural Language SupervisionAlec Radford, Jong Wook Kim, Chris Hallacy, Aditya Ramesh 等ICML 2021 · 被引用 47,906 次
Denoising Diffusion Probabilistic ModelsJonathan Ho, Ajay Jain, Pieter AbbeelNeurIPS 2020 · 被引用 35,902 次
High-Resolution Image Synthesis with Latent Diffusion ModelsRobin Rombach, Andreas Blattmann, Dominik Lorenz, Patrick Esser 等CVPR 2022 · 被引用 13,123 次
Denoising Diffusion Implicit ModelsJiaming Song, Chenlin Meng, Stefano ErmonICLR 2021 · 被引用 11,743 次
Photorealistic Text-to-Image Diffusion Models with Deep Language UnderstandingChitwan Saharia, William Chan, Saurabh Saxena, Lala Li 等NeurIPS 2022 · 被引用 8,965 次

摘要

问问这篇 Paper

智能体会读完全文。

它引用的顶会 Paper46

相关 Paper