LLaMA-Mesh

收录理由

大部分3D资产生成流程会把扩散模型或GAN生成器与独立的文本编码器拼接在一起，而LLaMA-Mesh绕开了这种拆分——它直接微调一个语言模型，让同一套网络既能写文字，也能输出3D网格。顶点坐标和面定义被转成纯文本token，这正是聊天式交互能成立的关键：描述一个道具，网格就出来了；要求同时生成文字和模型，它也能办到；把现有网格丢给它，它还能解释自己看到了什么。对独立开发者和赶工的小团队来说，这个设定相当顺手，做游戏道具或粗略的概念模型时，不需要额外接一个模型去调参。不过坦白讲，它的工具链还带着研究阶段的粗糙感，许可证是非商业用途，训练数据也尚未公开，所以把它当作快速验证想法的捷径更合适，距离成熟的生产管线还有距离。