Shap-E

Shap-E模型在OpenAI的Alex Nichol和Heewoo Jun提出的Shap-E: Generating Conditional 3D Implicit Functions中被提出。

论文的摘要如下：

我们提出了Shap-E，一种用于3D资产的条件生成模型。与最近关于3D生成模型的工作不同，这些工作产生单一的输出表示，Shap-E直接生成可以渲染为纹理网格和神经辐射场的隐式函数的参数。我们分两个阶段训练Shap-E：首先，我们训练一个编码器，该编码器确定性地将3D资产映射到隐式函数的参数；其次，我们在编码器的输出上训练一个条件扩散模型。当在大量配对的3D和文本数据集上训练时，我们的模型能够在几秒钟内生成复杂且多样的3D资产。与Point-E相比，一个在点云上的显式生成模型，Shap-E收敛更快，并且在建模更高维度、多表示输出空间的情况下，达到了可比或更好的样本质量。

原始代码库可以在openai/shap-e找到。

ShapEPipeline

[[autodoc]] ShapEPipeline - all - call

ShapEImg2ImgPipeline

[[autodoc]] ShapEImg2ImgPipeline - all - call

ShapEPipelineOutput

[[autodoc]] pipelines.shap_e.pipeline_shap_e.ShapEPipelineOutput