蘋果發(fā)布 AI 生成模型 GAUDI，文字生成 3D 場景
加入技術(shù)交流群
目前為止，NeRFs 主要用做 3D 模型和 3D 場景的一種神經(jīng)存儲介質(zhì)，然后可以從不同的相機視角進行渲染。
如果說 NeRFs 從不同角度逼真地渲染圖像的能力可以用于生成 AI 呢？此前，OpenAI 的 DALL-E 2 或 Google 的 Imagen 和 Parti 等 AI 系統(tǒng)展示了 AI 將文本生成圖像的潛力，但內(nèi)容也僅限于 2D 圖像和圖形。2021 年末時，谷歌通過 Dream Fields 首次展示了 3D AI 生成系統(tǒng)，將 NeRF 生成 3D 視圖的能力與 OpenAI 的 CLIP 評估圖像內(nèi)容的能力相結(jié)合。蘋果 AI 團隊發(fā)布的 GAUDI 是一種能夠生成沉浸式 3D 場景的神經(jīng)架構(gòu)，可以根據(jù)文字提示創(chuàng)建 3D 場景。
例如，輸入“穿過走廊”或“上樓梯”，就可以看到執(zhí)行這一動作的 3D 場景視頻。
Apple GAUDI 是 3D 內(nèi)飾專家
雖然谷歌致力于使用 Dream Fields 生成單個對象，但將生成 AI 擴展到完全不受約束的 3D 場景仍是一個尚未解決的問題。這背后極有可能的原因之一是攝像機位置的限制。雖然對于單個對象，每個攝像機位置都可以映射到一個圓頂，但在 3D 場景中，這些攝像機位置會受到對象和墻壁等障礙物的限制。對于這個問題，GAUDI 模型的解決方案是：相機姿態(tài)****對可能的相機位置進行預(yù)測，并確保輸出是 3D 場景架構(gòu)的有效位置。場景的場景****預(yù)測三平面表示，這是一種 3D 畫布，輻射場****在其上使用體積渲染方程繪制后續(xù)圖像。在對四個不同數(shù)據(jù)集（包括室內(nèi)掃描數(shù)據(jù)集 ARKitScences）的實驗中，研究人員表明 GAUDI 可以重建學(xué)習(xí)視圖并匹配現(xiàn)有方法的質(zhì)量。雖然現(xiàn)在 GAUDI 生成的 3D 場景視頻質(zhì)量還不是很高，但這也說明了 AI 在圖像和視頻技術(shù)這生成的另一種可能。參考鏈接：https://mixed-news.com/en/apples-new-gaudi-ai-turns-text-prompts-into-3d-scenes/
*博客內(nèi)容為網(wǎng)友個人發(fā)布，僅代表博主個人觀點，如有侵權(quán)請聯(lián)系工作人員刪除。
