AI时代的生成式3D大模型全面评测 - “ChatGPT时刻”的前夜

在我过去的所有文章中,我一直把AI分成四个模态去进行分类:

AI文本(大语言模型)、AI绘图、AI声音、AI视频

而在我最近的交流和访谈中,有一个游离于这四模态之外的存在,被反复提起。

AI 3D。

12月20号,这个星期三的晚上,我在接受一个朋友的采访很开心的聊了一个小时,在结束之际,他突然问了一个大纲上没有问题:“你怎么看AI时代的3D?”

说实话我当时有点懵,这个问题我从来没去认真的想过,随便说了一点自己的理解就搪塞过去了。

但是,这不是第一个跟我交流这块的人,在最近一个月里,AI 3D在我各个信息渠道里,都被N次提起。

所以,我也决定写下这篇文章,来聊聊我心中的第五大模态:AI 3D,还有这个领域的现状。

话不多说,开始吧。

目前这个AI 3D这个领域大概有5个主流玩家:Tripo、Meshy、sudoAI、CSM、LumaAI。

AI时代的生成式3D大模型全面评测 - “ChatGPT时刻”的前夜_第1张图片

CSM和Luma是很老牌的公司了,Luma之前主要做实景扫描的,我一直在玩,前段时间他们搞了一个文生3D的产品Genie,目前还寄生在Discord上,暂不支持图生3D;CSM搞了个实时绘图转3D,但是不支持文生3D。

Meshy做的也比较早,我记得7、8月份就出产品了。Tripo和sudo发的比较新,特别是Tripo,前几天12月21号才发的。

而去聊AI 3D的产品,那绕不过的核心功能和痛点,自然就是建模了。

我简单说一下3D这块的工作流程,让大家有个概念。大概是概念设计 - 3D建模 - 纹理贴图 - 骨骼绑定 - 动画制作 - 灯光 - 渲染 - 合成。

你看到的那些影视特效,或者游戏里的场景,都是需要建模完做贴图然后渲染的。最开始的建模成品是一个素模,大概长这个样子。

AI时代的生成式3D大模型全面评测 - “ChatGPT时刻”的前夜_第2张图片

有了模型以后,才能去做后面所有的事。

所以,建模是非常重要的,但是同时也是最费时的,很多时候甚至能占用总时长的30%~50%。在3D领域也没有什么比建模更重要,更枯燥,更需要AI优化的东西了。

几家的产品在AI生成建模上,功能都差不多,文生3D和图生3D。

文生3D和图生3D其实非常好理解,跟AI视频的概念是一样的,只不过在AI视频里是用文或图生成1个4s的片段,而在AI 3D里是生成1个模型。

那衡量大家的标准就非常简单了:生成的模型质量和精度到底怎么样

一般正常来说,我们用的最多的还是图生3D。

所以我先用MJ V6跑了一张图:

Basketball game assets, blender 3d model, obj fbx glb 3d model, default pose, PNG image with transparent background

篮球的游戏资产,Blender 3D 模型,obj fbx glb 3d 模型,默认姿势,具有透明背景的 PNG 图像

(PS:我真不是因为鸡哥才选择先做的篮球)

然后我把这张图扔到了Tripo、Meshy、sudo、CSM里,因为luma现在不支持图生3D,所以不参与图生3D的对比了。

说实话,我本身对AI 3D的预期其实就不高,所以我一开始才选择上篮球这种非常简单的玩意,结果效果除了Tripo外,另外三个真的差强人意,而且CSM我真忍不住要吐槽一句,生成1个模型要近2个小时。。。。我。。。

我把模型都下载下来了,在Blender里渲染成了动画的GIF,所有摄像机、HDR、参数均统一。大家可以直观的感受一下四家产品的对比。

可以看到,只有Tripo一家真正的把篮球的纹理给连了起来,成为一个真正的篮球。Meshy和sudo明显看到贴图都崩了,而且这崩都不是忍一忍能用的崩,是彻底用不了的崩。CSM在背后也胡成了一坨。

再去Blender里看看建模细节。

AI时代的生成式3D大模型全面评测 - “ChatGPT时刻”的前夜_第3张图片

CSM把篮球的凹槽做出来了一点细微的影子,Tripo和sudo的建模中规中矩就是一个不是特别圆的球,还有一些瑕疵,但是能用,Meshy是彻底崩的用不了。

就篮球这个case,Tripo处于遥遥领先的状态。

Tripo > CSM > sudo > Meshy。

再多试几个例子。

1.卡通小龙人,毕竟龙年了。

Tripo继续很稳,Meshy的模型,有一堆洞。。。。sudo的贴图还行,但是下半身的建模和背后的尾巴结构全崩了。CSM转的那一下有两张脸,给我当时吓个半死,但是模型结构还行。。。

Tripo > CSM > sudo > Meshy

2.毛衣。毕竟做衣服是做建模里面逃不开的一环。。。

Tripo表现几乎完美,不管是建模还是贴图,你要是硬挑刺,那就是袖口那没开两个洞(笑。Meshy的建模一如既然的有破洞,而且他们的贴图我发现有一个很大的问题就是,永远是正面精致,但是背面有点崩了。sudo衣服模型的两侧依然有洞,且有不该出现的链接。CSM的贴图和Meshy一个问题,背面和前面差异巨大。

Tripo > CSM > sudo > Meshy

3.一只玫瑰花。花的建模是最恶心的之一,基本对现在的AI 3D来说是最难的级别,用玫瑰花来给图生3D做个收尾。

Tripo花的正反面模型结构合理,但是叶子的模型粘连崩了,多出了一些奇怪的东西。Meshy依然是面子工程,正面看着感觉还挺惊艳,一转过去就又是破洞了。sudo花朵上的细节崩了,基本看不到花的结构了。

至于CSM。。。。。。真的别问我那一坨是什么东西,我也不知道,但我知道那玩意一定不是花。

从这四个例子看下来,至少在图生3D这块,Tripo是断层式领先。

整体Tripo > sudo > CSM = Meshy。

再看一下文生3D,文生3D这块CSM不支持,但是LumaAI的Genie支持文生3D,所以这波对比只对比Tripo、Meshy、sudoAI、LumaAI这四家。

文生3D就真的很吃模型本身的底子了,毕竟图生3D这玩意,图是别人的图,所以展现的更多的是大模型的一个包容能力或者通用能力,你图生3D做的不好,可以有理由说MJ生成的图片风格,跟你3D大模型不契合,所以效果不好。而文生3D,就是扎扎实实看你的底子了,都是自己体系里的东西,再做不好那就是真的不太行了。

文生3D这块的流程有点像Runway的文生视频,runway是给一个prompt后会出4个第一帧,然后你选用哪个图去生成后面的视频。

而文生3D是会先用十几秒时间,根据你的prompt生成4个粗糙的预览模型,你可以自己决定用哪个去后后面的refine(精炼)。大概长这样。

AI时代的生成式3D大模型全面评测 - “ChatGPT时刻”的前夜_第4张图片

前置的预览模型会比较粗糙,但是可以让你大概去选自己想要的造型。

我先试第一个Prompt,毕竟马上圣诞了,给大家整个活:

spiderman dressed in christmas style with a christmas hat,highest quality(蜘蛛侠穿着圣诞风格,戴着圣诞帽,最高品质)

Tripo和Luma的效果都非常好,Tripo整体更偏写实,Luma会偏一些卡通,Luma唯一的瑕疵就是膝盖多出来两块莫名奇妙的白斑。meshy干成葫芦娃了。。。sudo的贴图精度不太行,而且帽子衔接处有BUG。

Tripo > Luma > sudo > Meshy。

再做一个猫女,毕竟,做3D怎么能缺了美女呢:

an anime catgirl(动漫猫女孩)

Tripo和Luma依然稳如老狗。Meshy,有点诡异,感觉这个贴图完全没有质感跟纸一样。。。sudo直接做了个抱枕。。。我特么。。。。

Tripo > Luma > Meshy > sudo

最后一个case,做个游戏的3D资产吧,黄金手枪:

golden pistol, unreal engine, highest quality(黄金手枪,虚幻引擎,最高品质)

手枪的细节具体的我就不评价了,大家自己看吧。Luma和Tripo还是强,枪口的细节上,Luma比Tripo精致一些些。

Luma > Tripo > Meshy > sudo

文生3D,目前整体看下来,Tripo和Luma基本是断层式领先,在一些细节上,Tripo会优于Luma。

而在图生3D和文生3D整体上,Tripo是目前绝对的王者。

Tripo网址在此:https://www.tripo3d.ai/

Luma的文生3D想体验的也可以直接去Discord里面,搜他们频道加入体验就行。

另外三个我就不推荐大家去试了,没太大意义。

但是你像Tripo和Luma,目前也依然有不少瑕疵,比如模型的布线有点乱、比如人物面部贴图大概率会崩、比如金属材质的渲染不够精致等等。

不过我相信时间会解决一切,你像Tripo,一个刚出来3天的第一代产品,你指望他一步登天也不可能,更别提AI 3D这个领域也才刚刚开始卷。

目前看下来,AI 3D的进程,以Tripo和Luma为首,大概等于AI绘图的Midjourney V2或者V3,其他家还处于V1的水平。

而Midjourney的大爆发,也是以V4为标志,开始颠覆整个行业,直到前几天的V6,爆杀全场。

AI 3D,现在就是GPT时刻的前夜。

爆发来临的那一天,可能比你我想象的都更快。

 写在最后 

2019年的时候,我曾经做了一幅3D作品,以纪念我一个游戏伙伴的离职。

AI时代的生成式3D大模型全面评测 - “ChatGPT时刻”的前夜_第5张图片

当时我是这么说的:

AI时代的生成式3D大模型全面评测 - “ChatGPT时刻”的前夜_第6张图片

我做这张图,整整花了1月的晚上和周末。

里面90%的模型,都是我自己徒手建模的,那个工作量,非常非常痛苦,建模耗去了我整体70%的时间。

如果再让我来一次,我一定不会再去做了,我不想再经历一次那样的折磨。

这只是我,一个不专业的设计师而已。

而你知道在游戏中,在影视中,有多少需要建模的东西吗?

《艾尔登法环》为例,有上百个BOSS,还有无数的场景,无数场景里有无数的3D资产,大到BOSS、城堡,小到武器、盔甲、蜡烛、桌子。

以From Software的业界上游生产力和工业化水平,整整做了5年时间,才将老头环掏出来。

《博德之门3》,拉瑞安最顶峰时400人团队,开发了6年。

《流浪地球2》,全流程制作周期,3年。

我也跟很多影视后期从业者都聊过一个问题,他们现在最需要AI来优化的步骤是什么,答案出乎意料的统一:

建模。

我极度看好AI 3D,并不是因为这个领域新,而是这玩意真的能切切实实解放内容创作者们的生产力,让他们用更多的精力,花在创作上,保护这些创作者的创作精力。

建模只是其中一个环节,还有AI纹理贴图、AI绑定骨骼、AI动捕等等等等。

当用AI来重塑整个3D管线,打通全流程,那效率,起飞了。

而且并不是只有游戏和影视这种专业者需要。

还有一个更大的家伙,3D资产是其中的基建,没有超高效率的AI 3D流程,没有AI的辅助建设,这玩意基本很难实现。

这玩意就是:元宇宙。

我从来不认为元宇宙是个噶韭菜的东西,他是我坚信的未来,只不过现在还离得有点太远,因为基建和产能跟不上,世界都没搭起来,元宇宙个屁啊。

AI 3D,就是元宇宙最好的创作引擎。

我一直相信未来的3D会内容无限扩大,每个人都可以成为超级创作者,像神一样创造新的世界,创作你自己的元宇宙。

那一天,不会太远。

明年,我们估计就能见证,AI 3D那加速的未来。

(本文转自微信公众号:数字生命卡兹克,仅供学习之用)

你可能感兴趣的:(人工智能,chatgpt,3d)