У цифрову епоху стрімко зростає попит на високоякісний 3D-контент, що зумовлено бурхливим розвитком таких індустрій, як ігри, візуальні ефекти та портативні пристрої змішаної реальності. Однак створення високоякісного 3D-контенту залишається складним і ресурсомістким процесом, що створює значні труднощі для розробників і митців.
На Конференції розробників ігор у Сан-Франциско Roblox представив два нових інструменти на основі штучного інтелекту, які обіцяють значно спростити та пришвидшити процес створення 3D-контенту для творців на платформі.
Віденська компанія Atlas, що спеціалізується на створенні генеративного штучного інтелекту та інструментів для створення 3D-контенту, отримала грант у розмірі 4,5 мільйона доларів США від Австрійського агентства сприяння науковим дослідженням (FFG).
Ця модель спрямована на вирішення проблем створення фотореалістичних, персоналізованих і легковажних цифрових моделей рук для різноманітних віртуальних середовищ, що сприятиме більш захоплюючому користувацькому досвіду.
ByteDance представили DiffPortrait3D, нову модель умовної дифузії, призначену для створення фотореалістичних, 3D-послідовних зображень на основі одного натурного портрета.
Синтез зору в реальному часі, передова технологія в комп'ютерній графіці, змінює наше сприйняття та взаємодію з віртуальними середовищами. Сучасний підхід, що використовує передові алгоритми та методи глибокого навчання, сприяє миттєвому створенню динамічних та захоплюючих сцен з довільних точок зору, плавно поєднуючи реальний та віртуальний світи.
Дослідники з Гонконгського університету науки і технологій, Університету Карнегі-Меллона та Дартмутського коледжу спільно розробили метод SANeRF-HQ (Segment Anything for NeRF in High Quality), який революціонізував 3D-сегментацію у складних сценаріях.
Дослідники Nvidia представили формулу нейронного поля випромінювання для синтезу візуалізації, яка плавно переходить від об'ємного рендерингу до рендерингу на основі поверхонь
У той час як комп'ютерний зір приділяє значну увагу 3D-моделюванню людського тіла, завдання моделювання акустичної сторони і генерування 3D-просторового звуку з мови і рухів тіла є менш дослідженим.
Оскільки штучний інтелект продовжує набирати популярність і знаходити застосування в різних сферах, навчання через імітацію (IL) виявилося ефективним методом навчання нейромережевих візуально-моторних стратегій, що дозволяє їм виконувати складні маніпуляційні задачі.
Перетворення 2D-зображень на 3D-об'єкти під час перетворення текст- 3D є складним завданням. Основна перешкода виникає через те, що 2D-моделі дифузії базуються на принципах діагностики вигляду і не розуміють просторового розуміння 3D під час перетворення.
У сфері комп'ютерного зору дослідники зіткнулися з постійним викликом: зміна ракурсу об'єкта за наявності лише одного RGB-зображення. Ця складна проблема має широке розповсюдження в доповненій реальності, робототехніці та реставрації творів мистецтва. Попередні підходи, що спиралися на створені вручну особливості та геометричні припущення, не давали практичних…
Штучний Інтелект