LGM是一個用於從文本提示或單視圖圖像生成高分辨率3D模型的新框架。它的關鍵見解是:(1) 3D表示:我們提出了多視圖高斯特徵作為一個高效 yet 強大的表示,然後可以將其融合在一起進行不同iable 渲染。(2) 3D主幹:我們呈現了一個不對稱U-Net作為一個高通量的主幹操作多視圖圖像,這可以通過利用多視圖擴散模型從文本或單視圖圖像輸入中產生。大量的實驗表明了我們方法的高保真度和效率。值得注意的是,我們在將訓練分辨率提高到512的同時保持生成3D對象的快速速度,從而實現了高分辨率的3D內容生成。