论文作者：Lin Geng Foo,Hossein Rahmani,Jun Liu

作者单位：Singapore University of Technology and Design (SUTD); Lancaster University

论文链接：http://arxiv.org/abs/2308.14177v1

内容简介：

人工智能生成内容（AI-generated content，AIGC）方法旨在使用人工智能算法生成文本、图像、视频、3D资源和其他媒体。由于其广泛的应用范围和最近作品所展现的潜力，AIGC的发展近期引起了许多关注。AIGC方法已经针对不同的数据模态进行了开发，如图像、视频、文本、3D形状（体素、点云、网格和神经隐式场等）、3D场景、3D人类化身（身体和头部）、3D运动和音频等，每种模态都具有不同的特点和挑战。此外，在跨模态AIGC方法方面也取得了许多重要进展，即生成方法可以接收一种模态的输入条件，并在另一种模态中生成输出。例如，从不同模态到图像、视频、3D形状、3D场景、3D化身（身体和头部）、3D运动（骨架和化身）以及音频模态等。

在本文中，对不同数据模态下的AIGC方法进行了全面的综述，包括单模态和跨模态方法，突出了每种情况下的各种挑战、代表性作品以及近期的技术方向。文章还在多个基准数据集上呈现了各个模态的比较结果。此外，还讨论了挑战和潜在的未来研究方向。