Nieuwe doorbraak: realistischere 3D-vormcreatie met generatieve AI verfijnt ontwerp- en ontwerpmogelijkheden
AmsterdamOnderzoekers van MIT hebben een nieuwe methode ontwikkeld om realistischere 3D-vormen te creëren met behulp van generatieve AI. Het maken van gedetailleerde 3D-modellen voor virtual reality of engineering vergt doorgaans veel tijd en handmatig werk. Terwijl de kwaliteit van het genereren van 2D-afbeeldingen uit tekst sterk is verbeterd, blijft het lastig om 3D-modellen van vergelijkbare kwaliteit te maken. Deze nieuwe methode verbetert een techniek genaamd Score Distillation Sampling (SDS) om deze uitdagingen te overwinnen.
Het proces begint met het nemen van een willekeurige 3D-vorm en deze om te zetten in een 2D-afbeelding. Een AI-model verwerkt de afbeelding en maakt deze duidelijker. Deze cyclus gaat door totdat het 3D-object er goed uitziet. Onderzoekers van MIT ontdekten echter dat de afbeeldingen vaak onscherp werden door ruis. In plaats van ingewikkelde en trage berekeningen te gebruiken, kozen ze voor een eenvoudigere methode om de ontbrekende delen in de 3D-weergave te schatten, wat leidde tot helderdere beelden.
Belangrijkste onderdelen van het onderzoek zijn:
- Het gebruik van een vooraf getraind beeldverspreidingsmodel om de efficiëntie te verbeteren.
- Toepassing van benaderingstechnieken voor een betere vormduidelijkheid.
- Het vermijden van dure hertraining van modellen, wat tijd en kosten bespaart.
- Een beter wiskundig inzicht in generatieve AI-technieken voor toekomstige ontwikkelingen.
Deze nieuwe methode verbetert de kwaliteit van 3D-vormen en maakt deze sneller en gemakkelijker om te maken. Het biedt ontwerpers een digitaal hulpmiddel, waardoor ze moeiteloos gedetailleerde en levensechte ontwerpen kunnen creëren. Deze verbeteringen in computermethoden zijn essentieel voor sectoren die 3D-modellering gebruiken, zoals gaming, animatie en technisch ontwerp.
Onderzoekers van MIT verbeteren AI door gebruik te maken van bestaande diffusiemodellen. Hierdoor kunnen ze vooruitgang boeken zonder alles opnieuw op te bouwen, wat efficiënter is en gemakkelijk schaalbaar. Hun aanpak sluit aan bij een bredere trend om AI te verbeteren door slimme aanpassingen te maken in plaats van systemen volledig te herzien. Het gebruik van huidige modellen betekent echter ook dat bestaande problemen, zoals vooroordelen en onnauwkeurigheden, blijven bestaan. Toekomstig onderzoek zal zich waarschijnlijk richten op het oplossen van deze kwesties.
Deze techniek belooft toepassingen in virtuele realiteit en vergelijkbare technologieën te verbeteren. Deskundigen van onder andere MIT, Oxford en verschillende technologiebedrijven werken samen om AI-instrumenten voor ontwerp te verbeteren. Dit kan de manier waarop industrieën 3D-content creëren en gebruiken drastisch veranderen.
De studie is hier gepubliceerd:
http://dx.doi.org/10.48550/arXiv.2405.15891en de officiële citatie - inclusief auteurs en tijdschrift - is
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 december 2024 · 08:39
Onverwachte ontdekkingen: hoe AI in beeldvorming verborgen ziekten onthult en diagnose verbetert
Deel dit artikel