在虚拟世界构建和游戏设计领域，创造大规模且风格一致的3D模型一直是一大挑战。

香港城市大学、上海人工智能实验室和南洋理工大学S-Lab的研究人员联合提出了ThemeStation，一种创新的AI框架，能够仅使用一个或几个3D样例，生成具有主题一致性的高质量3D画廊，从而革新了3D内容的批量生成方式。

技术核心

ThemeStation的核心在于其两阶段的生成方案，该方案模仿了实际3D建模的工作流程：

1.第一阶段：主题驱动的概念图像生成

ThemeStation利用给定的3D样例，通过多视角渲染图像对预训练的文本到图像(T2I)扩散模型进行微调，生成与输入3D样例主题一致的概念图像。

2.第二阶段：参考信息驱动的3D资产建模

结合第一阶段生成的概念草图和输入的3D样例，ThemeStation使用图像到3D技术生成粗糙的3D模型，并采用双重分数蒸馏(DSD)损失函数进行优化，以生成高质量的3D模型。

技术创新

扩散先验的扩展应用：ThemeStation首次尝试将扩散先验技术应用于3D到3D的内容生成，提高了3D模型生成的质量和多样性。

双重分数蒸馏(DSD)：通过在不同噪声水平应用参考先验和概念先验，DSD技术解决了两种先验信息冲突的问题，实现了3D模型的精细化生成。

应用前景

ThemeStation技术为3D主题乐园的设计提供了强大的支持，能够快速生成风格一致的角色和建筑，极大地提高了设计效率和质量。

此外，该技术还可应用于古城建筑群、虚拟生态系统等大规模3D模型的生成，具有广泛的应用潜力。

项目开源

目前，ThemeStation的研究成果已被SIGGRAPH2024接收，相关方法已开源，项目主页、代码和论文链接如下：

-项目主页：[https://3dthemestation.github.io/](https://3dthemestation.github.io/)

-代码：[https://github.com/3DTopia/ThemeStation](https://github.com/3DTopia/ThemeStation)

-论文：[https://arxiv.org/abs/2403.15383](https://arxiv.org/abs/2403.15383)

ThemeStation技术的提出，标志着AI在3D内容生成领域迈出了重要的一步，为虚拟世界构建和游戏设计带来了新的可能。