Meta مطالعه ای را در مورد Meta 3D Gen، یک سیستم هوش مصنوعی مولد برای ایجاد دارایی های سه بعدی از پیام های متنی به اشتراک می گذارد.

متا یک مقاله تحقیقاتی جدید در مورد یک مدل هوش مصنوعی مولد که می تواند دارایی های سه بعدی ایجاد کند به اشتراک گذاشته است. این مدل که Meta 3D Gen نام دارد، یک مدل هوش مصنوعی است که در کمتر از یک دقیقه، مدل‌های سه بعدی با کیفیت بالا را از پیام‌های متنی تولید می‌کند. این شرکت تاکید کرد که مدل هوش مصنوعی می‌تواند بافت‌ها و نقشه‌های فیزیکی با وضوح بالا را از ابتدا تا انتها با استفاده از ترکیبی از تولید بافت و تکنیک‌های متن به مش توسعه‌یافته به طور کامل در داخل تولید کند. قابل توجه است که این رویکرد با رویکرد Tencent و Stability AI که مدل های تصویر سه بعدی را منتشر کردند، متفاوت است.

در یک مقاله تحقیقاتی منتشر شده توسط این شرکت که در حال حاضر در وب سایت متا میزبانی می شود، این شرکت ادعا کرد که مدل 3D Gen آن می تواند مدل های سه بعدی را با وضوح بالا ارائه کند و کیفیت بالا را تضمین کند. همچنین گفته می‌شود که این مدل از رندر مبتنی بر فیزیک (PBR) پشتیبانی می‌کند، که به مدل‌های تولید شده اجازه می‌دهد تا در برنامه‌های مختلف دنیای واقعی دوباره روشن شوند. شایان ذکر است که مقاله پژوهشی مورد بررسی کارشناسان قرار نگرفته است، بنابراین ممکن است برخی از ادعاهای مطرح شده اغراق آمیز باشد. هیچ راهی برای دانستن وجود ندارد مگر اینکه مدل برای عموم منتشر شود.

مقاله تحقیقاتی همچنین روش های مورد استفاده برای توسعه مدل هوش مصنوعی را توضیح می دهد. متا دو سیستم داخلی – Meta 3D AssetGen و Meta 3D TextureGen را توسعه داده است. AssetGen مسئول ایجاد اشیاء سه بعدی از یک بردار متن معین است. در مرحله اول، مدل سه‌بعدی را با استفاده از درک خود از بردار رندر می‌کند و در مرحله دوم مدل سه‌بعدی را برای تطبیق بافت‌های مبتنی بر نما و مکمل‌هایی که در هیچ نمایی قابل مشاهده نیستند، اصلاح می‌کند. TextureGen مسئول یافتن بافت های مناسب و اعمال آنها در مدل است.

این روش ایجاد مدل های سه بعدی مزایای زیادی برای دارایی های سه بعدی تولید شده دارد. به عنوان مثال، به دلیل استفاده از دستورات متنی، هیچ الزامی برای تصاویر مرجع وجود ندارد و کاربران می توانند فرم های کاملاً منحصر به فرد ایجاد کنند. پشتیبانی PBR همچنین به این معنی است که این مدل ها را می توان از سیستم خارج کرد و مستقیماً در محیط های دیگر اعمال کرد. این مقاله ادعا می کند که خروجی ایجاد این مدل ها نیز واقع بینانه است.

متا گفت که مدل سه بعدی هوش مصنوعی در یک مرحله 68 درصد نرخ برد دارد، به این معنی که 68 بار از 100، هوش مصنوعی می تواند دارایی های سه بعدی صحیح را بر اساس یک پیام متنی ایجاد کند. این شرکت همچنین ادعا می‌کند که این مدل از نظر دقت ادعا و کیفیت بصری ادعاهای پیچیده، از بسیاری از خطوط پایه صنعتی بهتر عمل می‌کند.