Text-to-3D！建筑学小哥自称编程菜鸟，攒了个AI作画三维版，还是彩色的

Posted 2022-09-28 QbitAl

衡宇 发自 凹非寺
量子位 | 公众号 QbitAI

AI画师，技术又精进了——

直接一句话/一张图，生成3D模型、环绕视频、NeRF实例那种。

还是带颜色的。

输入“一幅美丽的花树画，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生成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，大致只需要三步。这里介绍一下colab上在线玩的步骤。

首先，检查一下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上训练和测试了～

玩的时候需要输入一些参数，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飞行霓虹灯汽车，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”？

会得到一个果然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“一张美丽的天空城市的插图，吉卜力工作室，艺术站，8k HD，CG社会”，这不就来了——

有网友迫不及待上手，做出了个小计算机。

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，简单说就是如果喂它一张车的正面图，生成的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：

• 同时使用不同的CLIP模型。

• 仅在指定方向应用图像提示。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进行修改。

• 在训练中减少GPU RAM的使用。

（但小哥说了，自己是个编程菜鸟，后续可不保证哦）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，主要的代码工作还是来自上游的Dreamfields-Torch和Dreamfields。

介绍下，Dreamfields来自谷歌，它的特点是无需照片样本，简简单单一句话，就能生成3D图像，还可以生成多种物品组合成的复合结构。

在生成3D场景时，通常会选用神经辐射场（NeRF）参数方案。

NeRF的特点是可分别渲染场景，但需要很多张3D照片，才能实现360°视觉重建。

相比之下，Dreamfields生成3D模型不需要照片，因为它基于NeRF 3D场景技术、OpenAI文本生成模型DALL·E以及CLIP的3D生成系统开发，通过神经网络来储存3D模型。

DALL·E和CLIP同样师出谷歌，前者通过文本生成图像，后者通过文本分类图片。用CLIP来分类DALL·E生成的图像，可以提升图像生成的准确性。

Dreamfields-Torch则是一个经过修改的Dreamfields的Pytorch实现，主要是把原Dreamfields的后端，从原始NeRR换成了instant-ngp。

以此为基础，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技术课程助教及特邀评图嘉宾，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图像生成。

他发现，很多破圈技术，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建软件（类似colmap），成功重建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建软件，不是编程方法。

上个月，小哥在Dreamfield-Torch的基础上做了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-3D
colab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