大语言模型还没搞懂,“大世界模型”又来了
2024-12-03 21:18

大语言模型还没搞懂,“大世界模型”又来了

本文来自微信公众号:果壳 (ID:Guokr42),作者:糕级冻雾,编辑:沈知涵,题图来自:AI生成


由人工智能科学家李飞飞创立的科技公司World Labs刚刚推出了第一个项目:仅通过一张图片像就生成一个完整3D世界的AI系统


一键生成中世纪小镇丨World Labs


World Labs在介绍博客中写道,“输入任何图像后,可以以3D方式探索它”——给World Labs一张图,它能将图中场景三维化,还不是静态的“2D转3D”,你能像游戏里的第一人称一样控制视角,探索场景。


五花八门的场景丨World Labs


World Labs管这叫“大型世界模型”(Large World Model,LWM),他们也称自己为空间智能AI公司。


完整系统还在邀请内测阶段,World Labs在官网开放了即时演示,用户不仅可以看,还可以在浏览器直接操控视角转换,感受World Labs塑造的世界。


大震撼。


“一图一世界”


这个系统同之前英伟达曾开发过的“2D转3D”模型Instant NeRF完全不同——Instant NeRF的视角没有深度变化、受阻没有物理碰撞,甚至会发生直接穿越;而World Labs这一工具生成的场景符合基本空间原理和物理定律


英伟达的 2D 图片转 3D 场景的大模型 Instant NeRF 就有物理问题丨Instant NeRF


这更不会像上个月推出的AI即时生成3D可交互游戏Oasis里面的“鬼打墙”——切换个视角再回来,世界就成了另外一番样子那般诡异。World Labs的系统生成的是完整三维场景而非像素,克服了像素层面生成不具备一致性和稳定性的缺陷。


看得人都晕 3D 了丨World Labs


在它生成的场景里,你可以用“前后左右”在生成的空间内移动,用鼠标转换视角,并能调节场景、添加动效,比如光影、景深、色调,效果能直接在浏览器里实时渲染出来。


当你让树叶“沙沙作响”,为街角小巷营造出不同光影,让水面泛起涟漪,能感受到系统并非简单地添加动效,而是识别出了场景里的实体。


希区柯克变焦丨World Labs


想象一下,与其他工具结合,或随着这个系统功能变多,你可以“化身”舞台置景,控制这一场景的布光和色调,甚至插入一个角色进入场景,改变画面的运镜,比如利用系统里自带的滑动变焦(俗称希区柯克变焦,算法算好了摄影机的位置和景深,用户直接拖动就能实现该效果),就能实现那股“诡异”的感觉。


可远观而不可近玩


惊喜巨大,但一上手还是会暴露一些问题。


首先是类似游戏里的“空气墙”,你在场景里的移动十分受限,物理感觉只有1~2平米的移动范围,移动几步就会提示“越界”。


真·处处碰壁丨World Labs


其次是类似VR的问题,越靠近边缘的视野越模糊,动态场景的画质也不如静态的清晰,但这对非写实风格的场景来说不是问题。


交互上,镜头控制选项也较少,景深控制只能选择距离,不能选择具体的对焦点,运镜也只能滑动变焦。


“真实物理感”虽然说满足了最基本的不能穿墙、画面随第一视角移动和点哪(光源)亮哪,但有限的交互和行动半径还是让画面附着了另一层虚拟感。


光也可以指哪儿打哪儿丨World Labs


不过World Labs也表示,这只是“早期预览版”。他们正在努力提升生成世界的规模和细节质量,并探索更多交互方式。


确实,World Labs其实今年才成立,但已经拿到了2.3亿美元的风险投资,估值超过10亿美元,预计2025年将推出首款正式产品。


World Labs 核心团队丨World Labs


不到一年时间,World Labs已经端出了一个让人惊艳和浮想联翩的产品,而这只是一个开始。李飞飞曾表示,大型世界模型只是Worlds Labs公司的第一步,后面他们准备把场景设计融入AR、机器人甚至自动驾驶。


这些工具出的比用的都快,有啥用?


“我们计划构建对艺术家、设计师、开发人员、电影制片人和工程师等专业人士有用的工具。允许任何人想象和创造自己的世界,将生成性人工智能的潜力从2D图像和视频扩展到3D世界。”


我的理解是,World Labs要给创作先“打个底”


静谧酒馆一键穿越进画中的诡谲世界丨World Labs


创造一个符合真实世界规律的虚拟世界,首要的应用之一就是游戏。


3D场景开发占游戏制作成本中的很大比重,许多独立游戏开发者都会卡在这一步,退而求其次去选择其他方式,比如2D像素风、手绘、低多边形、平面、插画、立绘等方式。


YouTuber 把著名(但画风简陋)的独立游戏《Undertale》3D 化丨YouTube


World Labs的这个系统可以结合市面上的AI工具,比如Midjourney(图像生成)、Flux AI(优化画质)等,生成3D游戏场景,自由设计镜头运动,这对于开发者来说是新的创作方式。


分分钟带入恐怖游戏视野,这味太对了丨World Labs


电子游戏中最早出现的游戏类型之一,AVG文字冒险游戏,此前最常见的形式就是一个角色立绘在一个场景背景板前,靠对话框传递信息(比如著名的《逆转裁判》)


有了上述的创作工具,即便我没有任何绘画和建模基础,只凭一个剧本和脚本编辑器,就有可能打造出一款AVG游戏


AI 工具搭配起来用,事半功倍丨World Labs


还记得前一阵的“3A”大作《沙威玛传奇》吗?有越来越多的独立开发者正在考虑用AI降低小游戏开发成本。专业的大厂可以用最先进的图像引擎,生成一个完整的世界。


World Labs的系统恰好弥补了游戏开发中的一个空白区:它小范围的场景生成远未到替代专业引擎的程度,但又极大地降低了游戏场景设计的门槛,从视觉甚至交互层面,给予了独立游戏更多可能。


似漫画,似动画,似《职场浮生记》游戏开局丨World Labs


游戏之外,再想象一下类似3D物理世界生成系统与其他媒介结合的可能性。


把你手绘的几个分镜头脚本输进去,它给你生成了一个虚拟的拍摄场地,你甚至可以在里面运镜,做出一个简单的样片也不是问题。


把文学作品丢进World Labs,你可以真的进入乔治·马丁笔下的君临,J·K·罗琳描绘的巫师大街对角巷,看一下三日恒空的三体世界。


这或许是更符合原著《哈利波特》里描绘的对角巷丨World Labs


把梵高的画作输入进系统,你可以真的坐进《夜晚露天咖啡座》,或是看到莫奈所见的《圣达特特勒斯的海滩》,站在《夜游者》的酒吧门口,像一个等待进入的顾客。


生成模型后,场景依旧保有了爱德华·霍普《夜游者》中都市的寂寥感丨World Labs


甚至有天,你做了一晚上超现实的梦,在醒来后打开电脑,把梦境记录下来,然后就得到了一次梦境的复现。


本文来自微信公众号:果壳 (ID:Guokr42),作者:糕级冻雾,编辑:沈知涵

本内容为作者独立观点,不代表虎嗅立场。未经允许不得转载,授权事宜请联系hezuo@huxiu.com
如对本稿件有异议或投诉,请联系tougao@huxiu.com
正在改变与想要改变世界的人,都在 虎嗅APP
赞赏
关闭赞赏 开启赞赏

支持一下   修改

确定