Text-to-3D從文本到立體模型，OpenAI 發(fā)布Point-E用于3D建模

魔猴君  行業(yè)資訊   672天前

OpenAI 是Elon Musk 創(chuàng)立的人工智能，支持流行的 DALL-E 文本到圖像生成器。近日，OpenAI宣布發(fā)布其最新的圖片制作工具 POINT-E，可以直接從文本提示生成 3D點(diǎn)云。據(jù)了解，現(xiàn)有系統(tǒng)（如 Google 的 DreamFusion）通常需要數(shù)小時(shí)和 GPU 來生成圖像，而 Point-E 只需要一個(gè) GPU 和一兩分鐘即可完成。

開放人工智能

3D建模已經(jīng)被各種行業(yè)的發(fā)展采用，從零件、汽車、飛機(jī)、建筑設(shè)計(jì)到現(xiàn)代電影大片、視頻游戲、VR 和 AR 的 CGI 效果，再甚至到NASA 的月球隕石坑測(cè)繪任務(wù)、Google 的遺址保護(hù)項(xiàng)目以及 Meta 的 Metaverse 愿景都取決于 3D建模功能。

然而，創(chuàng)建逼真的3D圖像仍然是一個(gè)耗費(fèi)資源和時(shí)間的過程， Text-to-3D 是該研究的一個(gè)分支。與類似系統(tǒng)不同，Point-E利用大量（文本、圖像）語料庫，使其能夠遵循多樣化和復(fù)雜的提示，為了根據(jù)文本提示生成3D對(duì)象，OpenAI 首先使用文本到圖像模型對(duì)圖像進(jìn)行采樣，然后根據(jù)采樣圖像對(duì)3D對(duì)象進(jìn)行采樣。這兩個(gè)步驟都可以在幾秒鐘內(nèi)完成， 并且不需要昂貴的優(yōu)化程序。

如果輸入文本提示，比如“一只貓?jiān)诔阅鞲缇盹灐保?/span>Point-E 將首先生成該吃墨西哥卷餅的貓的合成視圖3D渲染。然后，通過一系列擴(kuò)散模型運(yùn)行生成的圖像，以創(chuàng)建初始圖像的 3D、RGB 點(diǎn)云，首先生成粗略的 1,024 點(diǎn)云模型，然后生成更精細(xì)的 4,096 點(diǎn)云模型。在實(shí)踐中，Point-E假設(shè)圖像包含來自文本的相關(guān)信息，并且沒有明確地限制文本上的點(diǎn)云。

這些擴(kuò)散模型分別在“數(shù)百萬”個(gè) 3D 模型上進(jìn)行訓(xùn)練，所有模型都轉(zhuǎn)換為標(biāo)準(zhǔn)化格式。目前OpenAI 已在 Github 上發(fā)布了該項(xiàng)目的開源代碼。

人工智能與工業(yè)設(shè)計(jì)

雖然目前OpenAI 發(fā)布的Point-E針對(duì)性解決的問題是從文本到立體模型的轉(zhuǎn)化，還并沒有涉及到工業(yè)設(shè)計(jì)這樣深層次的建模。不過在3D科學(xué)谷看來，OpenAI 要顛覆的商業(yè)模式是將軟件的服務(wù)即銷售的SaaS模式變?yōu)槟Ｐ图翠N售的MaaS模式，那么下一步Point-E滲透到工業(yè)設(shè)計(jì)領(lǐng)域的人工智能建?；?qū)⒅溉湛纱?/span>

在安世亞太張效軍老師的《人工智能如何改變工業(yè)設(shè)計(jì)？》一文分享過，相比制造和業(yè)務(wù)流程的數(shù)字化智能化，設(shè)計(jì)的智能化、自動(dòng)化發(fā)展相對(duì)緩慢，在很多領(lǐng)域，采用CAD繪圖式的低效設(shè)計(jì)環(huán)節(jié)甚至成為整體產(chǎn)品開發(fā)或企業(yè)擴(kuò)產(chǎn)能的瓶頸，眾多的設(shè)計(jì)人員也將為企業(yè)帶來較大成本支出。

根據(jù)《人工智能如何改變工業(yè)設(shè)計(jì)？》一文，智能算法驅(qū)動(dòng)的設(shè)計(jì)完全是動(dòng)態(tài)的，無論是滿足幾何關(guān)系約束的運(yùn)動(dòng)，還是像真實(shí)物理世界的物體在力的作用下產(chǎn)生的運(yùn)動(dòng)或變形，都可以在設(shè)計(jì)過程中實(shí)現(xiàn)，過程中任意狀態(tài)的幾何模型都可以輸出。在這種動(dòng)態(tài)的智能設(shè)計(jì)過程中，仿真已經(jīng)成為真正的驅(qū)動(dòng)設(shè)計(jì)的工具，力可以直接用來塑造形狀，就像大自然一樣。

來源：3D科學(xué)谷