(相關(guān)資料圖)

"

AIGC 是否會取代人類？

"

作者｜Chengxi

編輯｜蔓蔓周

過去 18 個月，AI 內(nèi)容生成（AIGC）是無疑是硅谷科技創(chuàng)投圈內(nèi)最火爆、最熱門的話題。

DALL-E（2021 年 1 月推出）

Midjourney（2022 年 7 月推出）

Stable Diffusion（2022 年 8 月推出）

這類 2D 生成式工具，能夠在短短幾秒內(nèi)將文本提示（prompt）生成藝術(shù)風(fēng)格的圖片。隨著這類 2D AIGC 工具的演化和進步，藝術(shù)家、設(shè)計師和游戲工作室的創(chuàng)作工作流正在被迅速顛覆革新。

AIGC 的下一個突破口在哪？不少投資者和領(lǐng)域資深人士都給出了預(yù)測— 3D 數(shù)據(jù)生成。

我們注意到 3D AIGC 正在經(jīng)歷著 2D AIGC 曾經(jīng)發(fā)展過的階段。這篇文章中，我們將更深入地討論 AIGC 在 3D 數(shù)據(jù)領(lǐng)域的新突破，以及展望生成式 AI 工具如何提高 3D 數(shù)據(jù)生成的效率和創(chuàng)新。

01

回顧 2D AIGC 的高速發(fā)展

2D AIGC 的發(fā)展可以簡單概括為以下三個發(fā)展階段：

第一階段：智能圖像編輯

早在 2014 年，隨著生成對抗網(wǎng)絡(luò)（GAN，典型后續(xù)工作 StyleGAN）和變分自編碼器（VAE，典型后續(xù)工作 VQVAE，alignDRAW）的提出，AI 模型便開始被廣泛運用到 2D 圖片的智能生成與編輯中。早期的 AI 模型主要被用于學(xué)習(xí)一些相對簡單的圖像分布或者進行一些圖像編輯，常見的應(yīng)用包括：人臉生成、圖像風(fēng)格遷移、圖像超分辨率、圖像補全和可控圖像編輯。

但早期的圖像生成 / 編輯網(wǎng)絡(luò)與文本的多模態(tài)交互非常有限。此外，GAN 網(wǎng)絡(luò)通常較難訓(xùn)練，常遇到模式坍塌（mode collapse）和不穩(wěn)定等問題，生成的數(shù)據(jù)通常多樣性較差，模型容量也決定了可利用數(shù)據(jù)規(guī)模的上限；VAE 則常遇到生成的圖像模糊等問題。

第二階段：文生圖模型的飛躍

隨著擴散生成（diffusion）技術(shù)的突破、大規(guī)模多模態(tài)數(shù)據(jù)集（如 LAION 數(shù)據(jù)集）和多模態(tài)表征模型（如 OpenAI 發(fā)布的 CLIP 模型）的出現(xiàn)與發(fā)展，2D 圖像生成領(lǐng)域在 2021 年前后取得重要進展。圖像生成模型開始與文本進行深入的交互，大規(guī)模文生圖模型驚艷登場。

當(dāng) OpenAI 在 2021 年初發(fā)布 DALL-E 時，AIGC 技術(shù)開始真正顯現(xiàn)出巨大的商業(yè)潛力。DALL-E 可以從任意的文本提示中生成真實和復(fù)雜的圖像，并且成功率大大提高。一年之內(nèi)，大量文生圖模型迅速跟進，包括 DALL-E 2（于 2022 年 4 月升級）和 Imagen（谷歌于 2022 年 5 月發(fā)布）。雖然這些技術(shù)當(dāng)時還無法高效幫助藝術(shù)創(chuàng)作者產(chǎn)出能夠直接投入生產(chǎn)的內(nèi)容，但它們已經(jīng)吸引了公眾的注意，激發(fā)了藝術(shù)家、設(shè)計師和游戲工作室的創(chuàng)造力和生產(chǎn)潛力。

第三階段：從驚艷到生產(chǎn)力

隨著技術(shù)細節(jié)上的完善和工程優(yōu)化上的迭代，2D AIGC 得到迅猛發(fā)展。到 2022 年下半年，Midjourney、Stable Diffusion 等模型已成為了廣受歡迎的 AIGC 工具。他們通過大規(guī)模的訓(xùn)練數(shù)據(jù)集的驅(qū)動，使得 AIGC 技術(shù)在現(xiàn)實世界應(yīng)用中的性能已經(jīng)讓媒體、廣告和游戲行業(yè)的早期采用者受益。此外，大模型微調(diào)技術(shù)的出現(xiàn)與發(fā)展（如 ControlNet 和 LoRA）也使得人們能夠根據(jù)自己的實際需求和少量訓(xùn)練數(shù)據(jù)來 " 自定義 " 調(diào)整、擴展 AI 大模型，更好地適應(yīng)不同的具體應(yīng)用（如二次元風(fēng)格化、logo 生成、二維碼生成等）。

現(xiàn)在，使用 AIGC 工具進行創(chuàng)意和原型設(shè)計很多情況下只需幾小時甚至更短，而不是過去需要的幾天或幾周。雖然大多數(shù)專業(yè)的圖形設(shè)計師仍然會修改或重新創(chuàng)建 AI 生成的草圖，但個人博客或廣告直接使用 AI 生成的圖像的情況越來越普遍。

alignDRAW, DALL-E 2, 和 Midjourney 文本轉(zhuǎn)圖像的不同效果。

除了文本轉(zhuǎn)圖像，2D AIGC 持續(xù)有更多的最新發(fā)展。例如，Midjourney 和其他創(chuàng)業(yè)公司如 Runway 和 Phenaki 正在開發(fā)文本到視頻的功能。此外，Zero-1-to-3 已經(jīng)提出了一種從物體的單一 2D 圖像生成其在不同視角下對應(yīng)圖片的方法。

由于游戲和機器人產(chǎn)業(yè)對 3D 數(shù)據(jù)的需求不斷增長，目前關(guān)于 AIGC 的前沿研究正在逐漸向 3D 數(shù)據(jù)生成轉(zhuǎn)移。我們預(yù)計 3D AIGC 會有類似的發(fā)展模式。

02

3D AIGC 的 "DALL-E" 時刻

近期在 3D 領(lǐng)域的種種技術(shù)突破告訴我們，3D AIGC 的 "DALL-E" 時刻正在到來！

從 2021 年末的 DreamFields 到 2022 年下半年的 DreamFusion 和 Magic3D，再到今年五月的 ProlificDreamer，得益于多模態(tài)領(lǐng)域和文生圖模型的發(fā)展，學(xué)術(shù)界文生 3D 模型也得到了不少突破。不少方法都能夠從輸入文本生成高質(zhì)量的 3D 模型。

然而這些早期探索大多數(shù)需要在生成每一個 3D 模型時，都從頭優(yōu)化一個 3D 表示，從而使得 3D 表示對應(yīng)的各個 2D 視角都符合輸入和先驗?zāi)Ｐ偷钠诖Ｓ捎谶@樣的優(yōu)化通常需要成千上萬次迭代，因此通常非常耗時。例如，在 Magic3D 中生成單個 3D 網(wǎng)格模型可能需要長達 40 分鐘，ProlificDreamer 則需要數(shù)小時。此外，3D 生成的一個巨大挑戰(zhàn)便是 3D 模型必須具備從不同角度看物體形狀的一致性。現(xiàn)有的 3D AIGC 方法常遇到雅努斯問題（Janus Problem），即 AI 生成的 3D 對象有多個頭或者多個面。

由于 ProlificDreamer 缺乏 3D 形狀一致性而出現(xiàn)的雅努斯問題。左邊是一只看似正常的藍鳥的正面視圖。右邊是一幅令人困惑的圖像，描繪了一只有雙面的鳥。

但另外一方面，一些團隊正在嘗試突破現(xiàn)有的基于優(yōu)化的生成范式，通過單次前向預(yù)測的技術(shù)路線來生成 3D 模型，這大大提高了 3D 生成速度和準確度。這些方法包括 Point-E 和 Shap-E（分別于 2022 年和 2023 年由 OpenAI 發(fā)布）和 One-2 – 3 – 45（2023 年由加州大學(xué)圣地亞哥分校發(fā)布）。特別值得注意的是，最近一個月發(fā)布的 One-2 – 3 – 45 能夠在僅 45 秒的時間內(nèi)從 2D 圖像生成高質(zhì)量和具備一致性的 3D 網(wǎng)格！

對單圖像到 3D 網(wǎng)格方法的比較分析。從左到右，我們可以觀察到，處理時間從超過一個小時大幅度減少到不到一分鐘。Point-E、Shap-E 和 One-2 – 3 – 45 在速度和準確性上都有出色表現(xiàn)。

這些 3D AIGC 領(lǐng)域最新的技術(shù)突破，不僅大大提高了生成速度和質(zhì)量，同時讓用戶的輸入也變得更加靈活。用戶既可以通過文本提示進行輸入，也可以通過信息量更加豐富的單張 2D 圖像來生成想要的 3D 模型。這大大擴展了 3D AIGC 在商業(yè)應(yīng)用方面的可能性。

03

AI 革新 3D 生產(chǎn)過程

首先，讓我們了解一下傳統(tǒng) 3D 設(shè)計師創(chuàng)建 3D 模型，所需要經(jīng)歷的工作流程：

1. 概念草圖：概念藝術(shù)設(shè)計師根據(jù)客戶輸入和視覺參考進行頭腦風(fēng)暴和構(gòu)思所需的模型。

2.3D 原型制作：模型設(shè)計師使用專業(yè)軟件創(chuàng)建模型的基本形狀，并根據(jù)客戶反饋進行迭代。

3. 模型細化：將細節(jié)、顏色、紋理和動畫屬性（如綁定、照明等）添加到粗糙的 3D 模型中。

4. 模型最終定型：設(shè)計師使用圖像編輯軟件增強最終的渲染效果，調(diào)整顏色，添加效果，或進行元素合成。

這個過程通常需要幾周的時間，如果涉及到動畫，甚至可能需要更長。然而，如果有 AI 的幫助，上述每個步驟都可能會更快。

1. 強大的多視圖圖像生成器（例如，基于 Stable Diffusion 和 Midjourney 的 Zero-1 – to – 3）有助于進行創(chuàng)意頭腦風(fēng)暴，并生成多視圖圖像草圖。

2. 文本到 3D 或圖像到 3D 技術(shù)（例如，One-2 – 3 – 45 或 Shap-E）可以在幾分鐘內(nèi)生成多個 3D 原型，為設(shè)計師提供了廣泛的選擇空間。

3. 利用 3D 模型優(yōu)化（例如，Magic 3D 或 ProlificDreamer），選定的原型可以在幾小時內(nèi)自動進行精煉。

4. 一旦精煉的模型準備好，3D 設(shè)計師就可以進一步設(shè)計并完成高保真模型。

傳統(tǒng)與 AI 驅(qū)動的 3D 生產(chǎn)工作流程對比

04

3D AIGC 是否會取代人類？

我們的結(jié)論是，暫時不會。人仍然是 3D AIGC 環(huán)節(jié)中不可缺失的一環(huán)。

盡管以上提到的 3D 模型生成技術(shù)，能在機器人技術(shù)、自動駕駛和 3D 游戲中有許多應(yīng)用，然而目前的生產(chǎn)流程仍然不能滿足廣泛的應(yīng)用。

為此，硅兔君采訪了來自加州大學(xué)圣迭戈分校的蘇昊教授，他是 3D 深度學(xué)習(xí)（3D Deep Learning）和具身人工智能（Embodied AI）領(lǐng)域的領(lǐng)軍專家，也是 One-2 – 3 – 45 模型的作者之一。蘇昊教授認為，目前 3D 生成模型的主要瓶頸是缺乏大量高質(zhì)量的 3D 數(shù)據(jù)集。目前常用的 3D 數(shù)據(jù)集如 ShapeNet（約 52K 3D 網(wǎng)格）或 Objaverse（約 800K 3D 模型）包含的模型數(shù)量和細節(jié)質(zhì)量都有待提升。尤其是比起 2D 領(lǐng)域的大數(shù)據(jù)集（例如，LAION-5B），它們的數(shù)據(jù)量仍然遠不夠來訓(xùn)練 3D 大模型。

蘇昊教授曾師從幾何計算的先驅(qū)、美國三院院士Leonidas Guibas 教授，并曾作為早期貢獻者參與了李飛飛教授領(lǐng)導(dǎo)的 ImageNet 項目。受到他們的啟發(fā)，蘇昊教授強調(diào)廣泛的 3D 數(shù)據(jù)集在推進技術(shù)方面的關(guān)鍵作用，為 3D 深度學(xué)習(xí)領(lǐng)域的出現(xiàn)和繁榮做出了奠基性工作。

此外，3D 模型遠比 2D 圖像的復(fù)雜很多，例如 :

1. 部件結(jié)構(gòu)：游戲或數(shù)字孿生應(yīng)用需要 3D 對象的結(jié)構(gòu)化部件（例如，PartNet），而不是單一的 3D 網(wǎng)格；

2. 關(guān)節(jié)和綁定：與 3D 對象互動的關(guān)鍵屬性；

3. 紋理和材料：例如反光率、表面摩擦系數(shù)、密度分布、楊氏模量等支持交互的關(guān)鍵性質(zhì)；

4. 操作和操控：讓設(shè)計師能夠?qū)?3D 模型進行更有效地交互和操縱。

而以上幾點，就是人類專業(yè)知識能夠繼續(xù)發(fā)揮重要作用的地方。

蘇昊教授認為，在未來，AI 驅(qū)動的 3D 數(shù)據(jù)生成應(yīng)具有以下特性：

1. 支持生成支撐交互性應(yīng)用的 3D 模型，這種交互既包括物體與物體的物理交互（如碰撞），也包括人與物體的交互（物理與非物理的交互方式），使得 3D 數(shù)據(jù)在游戲、元宇宙、物理仿真等場景下能夠被廣泛應(yīng)用；

2. 支持 AI 輔助的 3D 內(nèi)容生成，使得建模的生產(chǎn)效率更高；

3. 支持 Human-in-the-loop 的創(chuàng)作過程，利用人類藝術(shù)天賦提升生成數(shù)據(jù)的質(zhì)量，從而進一步提升建模性能，形成閉環(huán)的數(shù)據(jù)飛輪效應(yīng)。

類似于過去 18 個月來像 DALL-E 和 ChatGPT 這樣的技術(shù)所取得的驚人發(fā)展，我們堅信在 3D AIGC 領(lǐng)域即將發(fā)生，其創(chuàng)新和應(yīng)用極有可能會超過我們的預(yù)期，硅兔君會持續(xù)深入探索和輸出。

文末互動：

你認為 AIGC 會對人類產(chǎn)生哪些深遠影響？

評論區(qū)留言告訴我們哦～

別忘了點關(guān)注，不迷路啊。

食品科技又整新活！連植物都不用，有空氣就能 " 無中生肉 "