Text2Mesh：基于文本驱动的网格神经风格化

在本研究中，我们开发了直观的控制方法，用于编辑3D对象的风格。我们的框架Text2Mesh通过预测符合目标文本提示的颜色和局部几何细节来对3D网格进行风格化处理。我们考虑了一种解耦表示方法，即将3D对象表示为固定网格输入（内容）与一个学习到的神经网络相结合，我们将这个神经网络称为神经风格场网络（neural style field network）。为了修改风格，我们利用CLIP的表征能力，获取描述风格的文本提示与已风格化的网格之间的相似度分数。Text2Mesh既不需要预训练生成模型，也不需要专门的3D网格数据集。它可以处理任意亏格的低质量网格（如非流形、边界等），并且不需要UV参数化。我们展示了该技术在各种3D网格上合成多种风格的能力。