MOC-3D：文本到 3D 生成的流形顺序一致性

随着元宇宙、虚拟现实（VR）、数字孪生等领域的蓬勃发展，文本转3D生成已成为学术界和工业界的研究热点。目前，基于利用二维扩散先验的分数蒸馏采样（SDS）的优化方法已成为该领域的主流技术范式。然而，由于2D先验的视图偏差和模式搜索模糊性以及高无分类器引导（CFG）引起的梯度噪声，这些方法仍然存在宏观拓扑不一致（例如Janus问题）和微观几何不连续性。为了解决这些挑战，我们提出了 MOC-3D，一种基于几何流形和语义视图顺序一致性的文本到 3D 生成方法。我们的方法基于 ScaleDreamer 框架构建，结合了语义视图顺序约束模块和基于流形的特征连​​续性模块。前者旨在纠正宏观拓扑不一致性，而后者则侧重于消除微观几何不连续性。具体来说，语义视图顺序约束模块利用 CLIP 的先验知识对不同视图的语义分数表示施加单调性等级约束，从而为 3D 对象的全局拓扑结构提供有效的指导。同时，基于流形的特征连​​续性模块在对称正定（SPD）流形上采用黎曼度量。通过测量黎曼空间中特征统计分布的距离，促进统计意义上微纹理跨多视图的平滑演化和连续性。在这两个模块的宏微观协同优化下，我们的模型可以同时提高宏观结构的一致性和微观细节的连续性。