李飞飞空间智能首秀:AI靠单图生成3D世界,可探索,遵循基本物理几何规则

科技   2024-12-03 22:00   北京  


文章来源于公众号:量子位

ID:QbitAI



就在今天,李飞飞空间智能首个项目突然发布:

仅凭借1张图,就能生成一个3D游戏世界的AI系统!


重点在于,生成的3D世界具有交互性。

能够像玩游戏那样,自由地移动相机来探索这个3D世界,浅景深、希区柯克变焦等操作均可行。


随便输入一张图:


除了这张图本体,可探索的3D世界里,所有东西都是AI生成的:


这些场景在浏览器中实时渲染,配备了可控的摄像机效果和可调节的模拟景深(DoF)。


你甚至可以改变其中物体颜色,动态调整背景光影,在场景中插入其他对象。


此外,之前大多数生成模型预测的是像素,而这个AI系统直接预测3D场景。

所以场景在你移开视线再回来时不会发生变化,并且遵循基本的3D几何物理规则。


网友们直接炸开锅,评论区“难以置信”一词直接刷屏。


其中不乏Shopify创始人Tobi Lutke等知名人士点赞:


还有不少网友认为这直接为VR打开了新世界。


官方则表示“这仅仅是3D原生生成AI未来的一个缩影”:
我们正在努力尽快将这项技术交到用户手中!


李飞飞本人也第一时间分享了这项成果并表示:
无论怎么理论化这个想法,用语言很难描述通过一张照片或一句话生成的3D场景互动的体验,希望大家喜欢。


目前候补名单申请已开启,有内容创作者已经用上了。

羡慕的口水不争气地从眼角落了下来。



Beyond the input image


官方博文表示,今天,World labs迈出了通往空间智能的第一步:

发布一个从单张图片生成3D世界的AI系统。
Beyond the input image, all is generated。


而且是输入任何图片。

而且是能够互动的3D世界——用户可以通过W/A/S/D键来控制上下左右视角,或者用鼠标拖动画面来逛这个生成的世界。


官网博文中放了很多个可以试玩的demo。

这次真的推荐大家都去试玩一下,上手体验和看视频or动图的感受非常的不一样。
(直通车按惯例,放在文末)


好,问题来了,这个AI系统生成的3D世界还有什么值得探究的细节之处?

>摄影机效果


World Labs表示,一旦生成,这个3D世界就会在浏览器中实时渲染,给人的感觉跟在看一个虚拟摄像头似的。

而且,用户能够精准地控制这个摄像头。

所谓“精准控制”,有2种玩法,

一是能够模拟景深效果,也就是只能清晰对焦距离相机一定距离的物体。


二是能模拟滑动变焦(Dolly Zoom),也就是电影拍摄技巧中非常经典的希区柯克变焦。

它的特点是“镜头中的主体大小不变,而背景大小改变”。

很多驴友去西藏、新疆玩儿的时候都希望用希区柯克变焦拍视频,有很强的视觉冲击力。

在World Labs展示中,效果如下(不过在这个玩法里,没办法控制视角):


>3D效果


World Labs表示,大多数生成模型预测的都是像素,与它们不同,咱这个AI预测的是3D场景。

官方博文罗列了三点好处:

第一,持久现实。

一旦生成一个世界,它就会一直存在。

不会因为你看向别的视角,再看回来,原视角的场景就会改变了。


第二,实时控制。

生成场景后,用户可以通过键盘或鼠标控制,实时在这个3D世界畅游移动。

你甚至可以仔细观察一朵花的细节,或者在某个地方暗中观察,用上帝视角注意这个世界的一举一动。

第三,遵循正确的几何规则。

这个AI系统生成的世界,是遵守3D集合物理基本规则的。

某些AI生成的视频,虽然效果很梦核,但可没有咱的这种深度的真实感哟(doge)。


官方博文中还写道,创造一个可视化3D场景,最简单的办法是绘制深度图。

图中每个像素的颜色,都是由它和摄像头的距离来决定的。


当然了,用户可以使用3D场景结构来构建互动效果——

单击就能与场景互了,包括但不限于突然给场景打个聚光灯。


动画效果?

那也是so easy啦。


>走进绘画世界


团队还玩儿了一把,以“全新的方式”体验一些经典的艺术作品。

全新,不仅在于可互动的交互方式,还在于就靠输入进去的那一张图,就能补全原画里没有的部分。

然后变成3D世界。

这是梵高的《夜晚露天咖啡座》:


这是爱德华·霍普的《夜行者》:



创造性的工作流


团队表示,3D世界生成可以非常自然地和其它AI工具相‍结合。

这让创作者们可以用他们已经用顺手的工具感受新的工作流体验。

举个栗子:

可以先用文生图模型,从文本世界来到图像世界。

因为不同模型有各自擅长的风格特点,3D世界可以把这些风格迁徙、继承过来。

在同一prompt下,输入不同风格的文生图模型生成的图片,可以诞生不同的3D世界:
一个充满活力的卡通风格青少年卧室,床上铺着五彩斑斓的毯子,桌子上杂乱地摆放着电脑,墙上挂着海报,散落着运动器材。一把吉他靠在墙上,中间铺着一块舒适的花纹地毯。窗户透进的光线给房间增添了一丝温暖和青春的气息。



World Labs和空间智能


“World Labs”公司,由斯坦福大学教授、AI教母李飞飞在今年4月创立。

这也是她被曝出的首次创业。

而她的创业方向是一个新概念——空间智能,即:
视觉化为洞察;看见成为理解;理解导致行动。
在李飞飞看来,这是“解决人工智能难题的关键拼图”。


只用了3个月时间,公司就突破了10亿美元估值,成为新晋独角兽。

公开资料显示,a16z、NEA和Radical Ventures是领投方,Adobe、AMD、Databricks,以及老黄的英伟达也都在投资者之列。

个人投资者中也不乏大佬:Karpathy、Jeff Dean、Hinton……

今年5月,李飞飞有一场公开的15分钟TED演讲。

她洋洋洒洒,分享了对于空间智能的更多思考,要点包括:

  • 视觉能力被认为引发了寒武纪大爆发——一个动物物种大量进入化石记录的时期。最初是被动体验,简单让光线进入的定位,很快变得更加主动,神经系统开始进化……这些变化催生了智能。

  • 多年来,我一直在说拍照和理解不是一回事。今天,我想再补充一点:仅仅看是不够的。看,是为了行动和学习。

  • 如果我们想让AI超越当前能力,我们不仅想要能够看到和说话的AI,我们还想要能够行动的AI。空间智能的最新里程碑是,教计算机看到、学习、行动,并学习看到和行动得更好。

  • 随着空间智能的加速进步,一个新时代在这个良性循环中正在我们眼前展开。这种循环正在催化机器人学习,这是任何需要理解和与3D世界互动的具身智能系统的关键组成部分。


据报道,该公司的目标客户包括视频游戏开发商和电影制片厂。除了互动场景之外,World Labs还计划开发一些对艺术家、设计师、开发人员、电影制作人和工程师等专业人士有用的工具。

如今伴随着空间智能首个项目的发布,他们要做的事也逐渐具象化了起来。

但World Labs表示,目前发布的只是一个“早期预览”:
我们正在努力改进我们生成的世界的规模和逼真度,并尝试新的方式让用户与之互动。
参考链接:
[1]https://www.worldlabs.ai/blog
[2]https://mp.weixin.qq.com/s/3MWUv3Qs7l-Eg9A9_3SnOA?token=965382502&lang=zh_CN
[3]https://x.com/theworldlabs/status/1863617989549109328

酷玩实验室经授权转载

如需转载,请联系原作者

插上手柄就能玩

酷玩实验室
关注中国科技发展与产业升级!
 最新文章