AI画师，技能又精进了——
直接一句话/一张图，天生3D模型、环抱视频、NeRF实例那种。
还是带颜色的。
输入“一幅俏丽的花树画，作者Chiho Aoshima，长镜头，超现实主义”，就能瞬间得到一个长这样的花树视频，时长13秒。
这个文本/图片-3D天生AI，叫Dreamfields-3D，来自一个自称编程菜鸟的建筑学在读博士。
Demo刚被小哥放在微博、推特等平台，许多网友已经急着蹲内测了：
现在，小哥已经将它开源，colab上也能运行。
一起来上手玩玩看～
AI作画3D版在线玩Dreamfields-3D玩法十分低门槛，大致只须要三步。这里先容一下colab上在线玩的步骤。
首先，检讨一下GPU，再安装个谷歌驱动器。
第二步，调出工具开始运行，并安装依赖项。
然后定义一些必要的功能，就可以在colab上演习和测试了～
玩的时候须要输入一些参数，保存格式有视频和网格两种，输出模型格式为带顶点色的obj和ply。
万事俱备，让我们现在开始。
试试输入“一个赛博朋克风格的翱翔霓虹灯汽车，格雷格鲁特科夫斯基和西蒙斯大林风格，长镜头，CG社会，虚幻的引擎，史诗游戏”？
会得到一个果真很赛博的汽车的视频。
如果你是《千与千寻》重度爱好者，想搞张吉卜力风格的视频玩玩。
没问题，prompt输入“一张俏丽的天空城市的插图，吉卜力事情室，艺术站，8k HD，CG社会”，这不就来了——
有网友迫不及待上手，做出了个小打算机。
当然在鹅妹子嘤的惊叹中，也有网友表达了希望Dreamfields-3D更好的期许。
当然，除了文本输入，Dreamfield3D是支持图片作为prompt的。
不过现在版本还有待完善，如果输入图片，会造成过拟合，大略说便是如果喂它一张车的正面图，天生的3D视频中，那辆车可能4个面都是正面……
想要玩儿图片输入的友友们，怕是要再等等了。
基于现状，小哥在GitHub表达了未来的改进目标：
同时利用不同的CLIP模型。仅在指定方向运用图像提示。未来可能要加一个图片角度的约束，例如只有在输入图片相同角度时，输出才参考该图片。作为NeRF实例读取现有网格，然后通过文本/图像prompt进行修正。在演习中减少GPU RAM的利用。（但小哥说了，自己是个编程菜鸟，后续可不担保哦）doge
基于谷歌Dreamfields-Torch小哥是建筑学出身，据他讲，Dreamfield3D是他从创作者角度出发，对Dreamfield-Torch做了些优化，紧张的代码事情还是来自上游的Dreamfields-Torch和Dreamfields。
先容下，Dreamfields来自谷歌，它的特点是无需照片样本，简大略单一句话，就能天生3D图像，还可以天生多种物品组合成的复合构造。
在天生3D场景时，常日会选用神经辐射场（NeRF）参数方案。
NeRF的特点是可分别渲染场景，但须要很多张3D照片，才能实现360°视觉重修。
比较之下，Dreamfields天生3D模型不须要照片，由于它基于NeRF 3D场景技能、OpenAI文本天生模型DALL·E以及CLIP的3D天生系统开拓，通过神经网络来储存3D模型。
DALL·E和CLIP同样师出谷歌，前者通过文本天生图像，后者通过文本分类图片。用CLIP来分类DALL·E天生的图像，可以提升图像天生的准确性。
Dreamfields-Torch则是一个经由修正的Dreamfields的Pytorch实现，紧张是把原Dreamfields的后端，从原始NeRR换成了instant-ngp。
以此为根本，小哥做出的Dreamfields-3D基本上靠CLIP + NERF运作。
作者简介
作者蒙胜宇（Simon Meng），奥地利因斯布鲁克大学（UIBK）建筑学在读博士。
硕士毕业于伦敦大学学院（UCL）建筑学，现为UIBK及UCL技能课程助教及特邀评图高朋，从事建筑设计、艺术、AI及生物学跨领域研究。
小哥从去年6、7月份开始关注AI图像天生。
他创造，很多破圈技能，如clip guide diffusion，disco diffusion，都是一些懂代码的跨界者做的。
去年年末谷歌发布Dreamfields，他就动了用它做3D输出的心思。
于是，在拿到动画后，他用AI做了超采样放大和插帧，然后导出帧到普通的多目重修软件（类似colmap），成功重修mesh（一个用3D模型数据还原的模型图）。
小哥把mesh发在推特上，结果Dreamfields论文的原作者Ajay Jain联系到他，表示了欢迎，还鼓励他保持优化更新——虽然那时候他用的是普通航拍实景重修软件，不是编程方法。
上个月，小哥在Dreamfield-Torch的根本上做了colab版，本月在GitHub开源，让大家能够愉快地玩耍。
以及，现在这个已经是基于Marching cubes的船新版本啦～
GitHub地址：https://github.com/shengyu-meng/dreamfields-3Dcolab地址：https://colab.research.google.com/drive/1u5-zA330gbNGKVfXMW5e3cmllbfafNNB?usp=sharing#scrollTo=_VDLFG_gUEKa
参考链接：[1]https://weibo.com/1948301550/M4o6m3vGn?type=comment#_rnd1663119855180[2]https://twitter.com/meng_shengyu[3]https://github.com/ashawkey/dreamfields-torch
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一韶光获知前沿科技动态