ScaleDreamer

用文本快速生成高质量 3D 模型，省显存又高效

ScaleDreamer 是一个基于 ECCV2024 论文的可扩展文本到 3D 生成框架。它针对现有分数蒸馏方法在生成高分辨率、大场景 3D 内容时计算开销大、内存占用高的问题，提出了异步分数蒸馏（Asynchronous Score Distillation）技术。该技术通过解耦扩散模型的去噪过程与 3D 场景的优化过程，显著降低了训练时的显存消耗和计算成本，同时保持了生成质量。项目基于 PyTorch 和 Diffusers 构建，支持 NeRF 和 3D 高斯溅射等主流 3D 表示，并集成了 Stable Diffusion 作为先验模型。核心能力包括：从文本提示直接生成高质量 3D 模型、支持大规模场景生成、以及高效的训练策略。代码结构清晰，提供了训练和推理脚本，适合研究者和开发者用于探索文本到 3D 生成的前沿技术。