본 논문은 Score Distillation Sampling (SDS)을 사용하는 텍스트-to-3D 생성 방법의 문제점인 "semantic over-smoothing" 현상을 해결하기 위해, 동적으로 변화하는 소스 분포를 고정된 대상 분포에 매핑하는 새로운 최적화 방식을 제안합니다. 특히, 텍스트 프롬프트와 중간 렌더링된 이미지를 모두 조건으로 사용하는 이중 조건 잠재 공간을 도입하여 이미지 조건이 소스 분포를 고정하도록 합니다. AnchorDS라는 향상된 score distillation mechanism을 제안하여 이미지 조건을 활용한 상태 고정 가이드를 제공하고, 잘못된 소스 추정을 처벌하며, 경량 필터 및 미세 조정 전략을 통해 앵커를 개선합니다. AnchorDS는 복잡한 프롬프트에 대해서도 세밀한 디테일, 자연스러운 색상, 강력한 의미론적 일관성을 제공하며 효율성을 유지합니다.
