Nuevo avance de la IA: creación más realista de formas 3D con modelos generativos
MadridInvestigadores del MIT han desarrollado una nueva forma de crear formas 3D más realistas utilizando inteligencia artificial generativa. Normalmente, crear modelos 3D detallados para realidad virtual o ingeniería requiere mucho tiempo y trabajo manual. Aunque la generación de imágenes 2D a partir de texto ha mejorado considerablemente, lograr modelos 3D de calidad similar ha sido más complicado. Este nuevo método mejora una técnica llamada Score Distillation Sampling (SDS) para superar estos desafíos.
El proceso comienza seleccionando una forma 3D al azar y convirtiéndola en una imagen 2D. Un modelo de inteligencia artificial luego limpia la imagen para hacerla más clara. Este ciclo se repite hasta que el objeto 3D se vea de manera satisfactoria. Investigadores del MIT identificaron un problema donde las imágenes resultaban borrosas debido al ruido. En lugar de utilizar cálculos complejos y lentos, optaron por un método más sencillo para adivinar las partes faltantes en el renderizado 3D, obteniendo así imágenes más nítidas.
Aspectos clave del estudio incluyen:
- El uso de un modelo de difusión de imágenes previamente entrenado para mejorar la eficiencia.
- La implementación de técnicas de aproximación para realzar la claridad de las formas.
- Evitar la costosa retención de modelos, lo que disminuye el tiempo y coste total.
- El avance en la comprensión matemática de técnicas de IA generativa para futuros desarrollos mejores.
Este nuevo método mejora la calidad de las formas 3D y las hace más rápidas y sencillas de crear. Asiste a los diseñadores al actuar como una herramienta digital, permitiéndoles realizar diseños más detallados y realistas sin gran esfuerzo. Estas mejoras en las técnicas computacionales son cruciales para industrias que emplean modelado 3D, como el gaming, la animación y el diseño de ingeniería.
Los investigadores del MIT están mejorando la inteligencia artificial utilizando modelos de difusión ya existentes, lo que permite avanzar sin necesidad de reconstruir todo desde cero. Este enfoque es más eficiente y ofrece facilidad de crecimiento. Su trabajo forma parte de una tendencia más amplia de mejorar la IA mediante cambios inteligentes en lugar de rehacer completamente los sistemas. Sin embargo, el uso de los modelos actuales implica que también se mantienen los problemas existentes, como sesgos e inexactitudes. Es probable que los futuros esfuerzos se centren en corregir estos inconvenientes.
Esta técnica se perfila para potenciar aplicaciones en tecnologías como la realidad virtual. Expertos del MIT, Oxford y varias compañías tecnológicas colaboran para mejorar herramientas de IA destinadas al diseño, lo que podría transformar la forma en que las industrias crean y utilizan contenido 3D.
El estudio se publica aquí:
http://dx.doi.org/10.48550/arXiv.2405.15891y su cita oficial - incluidos autores y revista - es
Artem Lukoianov, Haitz Sáez de Ocáriz Borde, Kristjan Greenewald, Vitor Campagnolo Guizilini, Timur Bagautdinov, Vincent Sitzmann, Justin Solomon. Score Distillation via Reparametrized DDIM. Submitted to arXiv, 2024 DOI: 10.48550/arXiv.2405.1589110 de diciembre de 2024 · 3:39
Descubrimientos inesperados: la IA en imágenes médicas revela enfermedades ocultas y mejora diagnósticos
5 de diciembre de 2024 · 19:20
Celebración en Wall Street: auge impulsado por IA recuerda a 1998
Compartir este artículo