AI画师技术又精进了? AI画师三维版试玩——Dreamfields和DreamFusion向文本生成3D模型领域进发

Posted 2022-12-04 中杯可乐多加冰

0、AI画师二维版的出圈

最近AI画师的杰出表现让人惊讶无比，2022虽然不是ai绘图这项技术诞生的时间，但却是到目前为止最爆火出圈的绘图元年，现在市场上也已经有了很多成熟的AI绘画APP：用户仅需打开相应的AI绘画软件，在创作页面，只需要输入相应的关键词，你想生成什么样的画就输入什么关键词，然后点击创作，十几秒后，一幅惊艳的画作就生成了，如下都是NovelAI生成的图像：

1、AI画师三维版的兴起

然而最近，二维版的绘画领域已经满足不了AI了，AI已经开始进入3D世界，直接一句话/一张图，生成3D模型、立体人像、全方位环绕视频，输入简单的文本提示，就能生成3D模型，比如

1. 一幅美丽的花树画，Chiho Aoshima风格，长镜头，超现实主义：
   
2. 青蛙穿着毛衣；蛋壳裂成两半，旁边站着一只可爱的小鸡
3. 一张美丽的天空城市的插图，吉卜力工作室，艺术站，8k HD”

可以看到生成的模型不仅可以渲染生动的物体形状，还可以渲染合理的光线、颜色、密度，更重要的是，生成的3D模型还可以导出到网格中，用建模软件进一步加工。

2、Dreamfields-3D AI画师三维版试玩

前不久Dreamfields-3D已经宣布开源，并且提供了colab地址！

这意味着AI画师三维版玩法十分低门槛，对我们本地机器没有任何硬性配置要求，直接在线就可以colab试玩了。大致只需要三步。这里我们介绍一下colab上在线玩的步骤：

2.1、第一步：进入colab

首先打开Dreamfields-3D的colab试玩地址，可以看到，Dreamfields-3D的Jupyter Notebook代码：

展开可以看到，其分为三大部分：①机器检查；②环境安装；③训练和测试

2.2、第二步：连接Google云端硬盘

点击check the machine的运行按钮

代码需要连接Google云端硬盘读写文件，点击连接。

2.3、第三步：配置参数 开始运行

配置一下training和test的设置参数，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。如果你只是简单试玩，可以选择不动他的参数。

然后依次点击运行按钮就可以开始试玩了，初始训练轮数为200轮，每轮运行时间大概需要1分钟，每10轮会进行一次输出，可以观看每10轮的效果：

等待训练完成后，就可以输入自己想要的文本来生成3D模型啦。

3、DreamFusion 原理分析

上节我们体验的是Dreamfields-3D，可以看到虽然可以生成模型，但是看起来效果并不是很好，风格比较诡异，而前不久Google Research在Dreamfields-3D基础上做了改进，发布了最新成果DreamFusion，让生成模型的形态、颜色、光线、密度有巨大的飞跃，虽然 Dreamfusion 还未开放使用，但项目网站提供了生成画廊：DreamFusion预览地址

要直接训练一个text-to-3D的模型非常困难，因为DALL-E 2等模型的训练需要吞噬数十亿个图像-文本对，但并不存在如此大规模的3D标注数据，目前也没有一个高效的模型架构对3D数据进行降噪。DreamFusion先使用一个预训练2D扩散模型基于文本提示生成一张二维图像，然后引入一个基于概率密度蒸馏的损失函数，通过梯度下降法优化一个随机初始化的神经辐射场NeRF模型。

在DreamFusion中，使用了一个预先训练的二维文本到图像扩散模型，扩散模型是潜在变量生成模型，它学习将样本从可控制的噪声分布逐渐转换为数据分布。

评分蒸馏采样的损失函数叫SDS，其代替CLIP通过文本到图像的Imagen扩散模型来计算损失。用评分蒸馏采样来表示生成过程中的损失，通过不断优化最小化这种损失，
通过优化实现可控制的采样，从而输出质量良好的3D模型。

除此之外，与Dream Fields相比，Dreamfusion通过文本提示生成高质量、深度和普通的背光3D对象。使用Dreamfusion生成的多个3D模型也可以缝合到一个场景中，比如下图，迭代地细化一个示例文本提示，同时从四个不同的方面渲染每个生成的场景：

Dreamfusion从随机的相机位置和角度反复渲染NeRF的视图，用这些渲染结果作为环绕Imagen的分数蒸馏损失函数的输入。每次迭代都包含四步：①随机采样一个相机和灯光；②从该相机和灯光下渲染NeRF的图像；③计算SDS损失相对于NeRF参数的梯度；④使用优化器更新NeRF参数。

例子：冲浪板上孔雀的单反照片：

4、文本生成3D模型的未来

作为一名人工智能领域研究生，早在21年上半年，我就开始深入文本生成图像领域，可以说，领域内一年半来的发展真的非常迅速，目前都已经有很多比较成熟的商业应用，自从文本引导的图像生成模型火了以后，画家群体迅速扩张，不会用画笔的人也能发挥想象力进行艺术创作。

那么对于文本生成3D这个新的领域，未来AI用于模型设计辅助的潜力也是值得期待，不仅能帮助画师进行设计，也许还能帮助建模师/设计师进行3D建模、产品设计、学术建模、建筑设计、元宇宙开发等等，潜力无限，为何不现在就开始学习新工具，开始全新的创意探索呢？

💡 最后

我们已经建立了🏤T2I研学社群，如果你对Dreamfields和DreamFusion还有其他疑问或者对🎓文本生成图像/文本生成3D方向很感兴趣，可以点击下方链接或者私信我加入社群。

📝 加入社群 抱团学习：中杯可乐多加冰-采苓AI研习社

🔥 限时免费订阅：文本生成图像T2I专栏

🎉 支持我：点赞👍+收藏⭐️+留言📝