Let 2D Diffusion Model Know 3D-Consistency for Robust Text-to-3D Generation
https://arxiv.org/abs/2303.07937https://ku-cvlab.github.io/3DFuse/
実装 : https://github.com/KU-CVLAB/3DFuse
https://images-ext-2.discordapp.net/external/XwakFYgavm6vocpY03nIEtzMUTZUzzMOP47hl5Ja0b0/https/pbs.twimg.com/ext_tw_video_thumb/1635803458870685696/pu/img/AwO_CV5naU7MdS7b.jpg?width=720&height=649
様々な角度からの対象の物体を生成してNeRFとして合成する
ここでの問題は別の角度から撮った対象の一貫性がないこと
それを解決するために3DFuseを提案している
基準となる画像を生成する際に、荒い3D構造を持たせる？
text2model