LGMは、テキストプロンプトまたは単一視点画像から高解像度3Dモデルを生成するための新しいフレームワークです。その主要な着眼点は以下の通りです。(1) 3D表現：効率的で強力な表現として多視点ガウス特徴を提案し、これらを融合して微分可能なレンダリングを行うことができます。(2) 3Dバックボーン：テキストまたは単一視点画像入力から多視点拡散モデルを利用して生成できる、高スループットのバックボーンとして非対称U-Netを採用しています。広範な実験により、本手法の高忠実度と効率性が示されました。特筆すべきは、トレーニング解像度を512に引き上げた上で3Dオブジェクトの高速生成を維持し、高解像度3Dコンテンツ生成を実現したことでしょう。