Meta 发布 3D Gen AI 模型:1 分钟内生成高质量 3D 内容

Meta 公司昨日(7 月 2 日)发布研究论文,介绍了名为 Meta 3D Gen(3DGen)的全新 AI 模型,可以在 1 分钟内基于用户输入的提示词,生成高质量的 3D 内容。Meta 公司表示 Meta 3D Gen(3DGen)所生成的 3D 内容具备高分辨率纹理和材质贴图,还支持基于物理的渲染(PBR),并能对此前生成的 3D 内容重新再生成新纹理。IT之家援引论文主要内容,Meta 3D Gen 包含 text-to-3D 生成和 text-to-texture 生成两个主要组件,其工作原理如下:第

Meta 公司昨日(7 月 2 日)发布研究论文,介绍了名为 Meta 3D Gen(3DGen)的全新 AI 模型,可以在 1 分钟内基于用户输入的提示词,生成高质量的 3D 内容。

Meta 发布 3D Gen AI 模型:1 分钟内生成高质量 3D 内容

Meta 公司表示 Meta 3D Gen(3DGen)所生成的 3D 内容具备高分辨率纹理和材质贴图,还支持基于物理的渲染(PBR),并能对此前生成的 3D 内容重新再生成新纹理。

IT之家援引论文主要内容,Meta 3D Gen 包含 text-to-3D 生成和 text-to-texture 生成两个主要组件,其工作原理如下:

Meta 发布 3D Gen AI 模型:1 分钟内生成高质量 3D 内容

第一阶段

根据用户提供的文本提示,第一阶段使用 Meta 的三维资产生成模型(AssetGen)创建初始 3D 资产。该步骤生成一个带有纹理和 PBR 材质贴图的 3D mesh。推理时间约为 30 秒。

第二阶段

案例 1:生成更细化的 3D 纹理

根据阶段 1 生成的三维资产和初始文本提示,阶段 2 将为该资产生成更高质量的纹理和 PBR 贴图。它使用 Meta 的文本到纹理生成器 Meta 3D TextureGen。推理时间约为 20 秒。

案例 2:再生成 3D 纹理

给定一个未纹理化的 3D mesh 和一个描述其所需外观的提示。阶段 2 还可以从头开始为该三维资产生成纹理(mesh 可以是以前生成的,也可以是艺术家创建的)。推理时间约为 20 秒。

IT之家附上完整报告链接,感兴趣的用户可以深入阅读。

Meta 发布 3D Gen AI 模型:1 分钟内生成高质量 3D 内容

Meta 发布 3D Gen AI 模型:1 分钟内生成高质量 3D 内容

Meta 发布 3D Gen AI 模型:1 分钟内生成高质量 3D 内容

Meta 发布 3D Gen AI 模型:1 分钟内生成高质量 3D 内容

相关资讯

不到60秒就能生成3D「手办」,Meta发力3D生成,ChatGPT时刻要来了吗?

3D 生成,一直在等待它的「ChatGPT时刻」。一直以来,创作 3D 内容是设计和开发视频游戏、增强现实、虚拟现实以及影视特效中最重要的部分。然而,3D 生成具有独特而艰巨的挑战,这是图像和视频等其他生成内容所不具备的。首先,3D 内容在艺术质量、生成速度、3D 网格结构和拓扑质量、UV 贴图结构以及纹理清晰度和分辨率方面具有严格的标准;其次,与其他研究相比,可用的数据量少。虽然该领域有数十亿张图像和视频可供学习,但可用于训练的 3D 内容数量要少三到四个数量级。因此,现阶段的3D 生成还必须从非 3D 的图像和

实现纹理素材自由!8 组纹理材质类 Midjourney 关键词

大家好,这里是和你们一起探索 AI 的花生~ 纹理材质是设计中非常重要的一类素材,可以提升画面质感、丰富视觉层次。之前为大家推荐过一些免费的纹理素材下载网站,如今有了 AI 绘画工具,我们可以按自己的需要用文字定制任何需要的纹理,非常灵活方便。今天就为大家总结 8 类常用的纹理材质类 Midjourney 提示词,包括纸张、金属、岩石、木头、流体等,一起来看看吧~ 相关推荐:一、纸张 ① seamless plain white watercolor paper texture, rough paper --til

Meta 推出 SceneScript AI 视觉模型,利用可编程语言实时预测建立 3D 场景

据 Meta 公司官方新闻稿,该公司开发了一款名为“SceneScript”的视觉模型,该模型号称能够使用可编程语言来快速“建立”场景,实时推断房间几何形状,并将相关数据转换为建筑学层面的近似值。▲ 图源 Meta 公司官方新闻稿(下同)Meta 声称,相关方法能够高效且轻量地建立室内 3D 模型,号称“只需要数 KB 的内存即可生成清晰且完整的几何形状”,并且相关形状数据具有“可解释性”,用户可以轻松阅读和编辑这些数据表示。IT之家注意到,开发人员借鉴了大语言模型“预测单词”的方法来开发 SceneScript,