AI 制作 3D 素材|基于 AI 5 天创建一个农场游戏,第 3 天

AI 技术文章10个月前更新 AI Hunter
317 0
内容目录

AI 制作 3D 素材|基于 AI 5 天创建一个农场游戏,第 3 天
欢迎使用 AI 进行游戏开发! 在本系列中,我们将使用 AI 工具在 5 天内创建一个功能完备的农场游戏。到本系列结束时,您将了解到如何将多种 AI 工具整合到游戏开发流程中。本文将向您展示如何将 AI 工具用于:

  1. 美术风格
  2. 游戏设计
  3. 3D 素材
  4. 2D 素材
  5. 剧情

注意: 本教程面向熟悉 Unity 开发和 C# 语言的读者。如果您不熟悉这些技术,请先查看 Unity for Beginners 系列后再继续阅读。

第 3 天:3D 素材

本教程系列的 第 2 部分 介绍了 使用 AI 进行游戏设计。更具体地说,我们提问 ChatGPT 进行头脑风暴,进而设计农场游戏所需的功能组件。

在这一部分中,我们将探讨如何使用 AI 制作 3D 素材。先说结论:不可行。因为 现阶段 的文本-3D 技术水平还没有发展到可用于游戏开发的程度。不过 AI 领域在迅速变革,可能很快就有突破。如想了解 文本-3D 现阶段进展现阶段不可行的原因,以及 文本-3D 的未来发展,请继续往下阅读。

文本-3D 现阶段进展

我们在 第 1 部分 中介绍了使用 Stable Diffusion 帮助确立游戏美术风格,这类 文本-图像 的工具在游戏开发流程中表现非常震撼。同时游戏开发中也有 3D 建模需求,那么从文本生成 3D 模型的 文本-3D 工具表现如何?下面总结了此领域的近期进展:

  • CLIPMatrixCLIP-Mesh-SMPLX 可以直接生成 3D 纹理网格。
    • CLIPMatrix 论文地址:
      https://arxiv.org/abs/2109.12922
    • CLIP-Mesh-SMPLX 代码库地址:
      https://github.com/NasirKhalid24/CLIP-Mesh-SMPLX
  • DreamFusion 使用 diffusion 技术从 2D 图像生成 3D 模型。
    • DreadFusion 项目主页:
      https://dreamfusion3d.github.io/
  • CLIP-Forge 可以从文本生成体素(体积像素,3 维空间最小分割单元,类似图片的像素)3D 模型。
    • CLIP-Forge 代码库地址:
      https://github.com/autodeskailab/clip-forge
  • CLIP-NeRF 可以输入文本或者图像来驱动 NeRF 生成新的 3D 模型。
    • CLIP-NeRF 代码库地址:
      https://github.com/cassiePython/CLIPNeRF
  • Point-E and Pulsar+CLIP 可以从文本生成 3D 点云。
    • Hugging Face 关于 Point-E 的介绍:
      https://huggingface.co/spaces/openai/point-e
    • Pulsar+CLIP 在 Google Colab 的示例地址:
      https://colab.research.google.com/drive/1IvV3HGoNjRoyAKIX-aqSWa-t70PW3nPs
  • Dream Textures 使用了 文本-图像 技术,可以在 Blender(三维图形图像软件)中自动对场景纹理贴图。
    • Dream Textures 代码库地址:
      https://github.com/carson-katri/dream-textures/releases/tag/0.0.9

注:3D 对象有多种表征形式:显式(explicit representation)包括网格、体素、点云等,可以进行贴图、渲染、合成虚拟视角等;隐式(implicit representation)通常使用函数映射来描述,NeRF 就是一种可以合成虚拟视角的隐式表征。

除 CLIPMatrix 和 CLIP-Mesh-SMPLX 之外,上述大部分方法或基于 视图合成 (view synthesis) 生成 3D 对象,或生成特定主体的新视角,这就是 NeRF(Neural Radiance Fields,神经辐射场) 背后的思想。NeRF 使用神经网络来做视图合成,这与传统 3D 渲染方法(网格、UV 映射、摄影测量等)有较大差异。

NVIDIA 关于 NeRF(Neural Radiance Fields,神经辐射场)的文章:

https://developer.nvidia.com/blog/getting-started-with-nvidia-instant-nerfs/

AI 制作 3D 素材|基于 AI 5 天创建一个农场游戏,第 3 天

那么,这些技术为游戏开发者带来了多少可能性? 我认为 现阶段,实际上它还没有发展到可用于游戏开发的程度。下面我会说明一下原因。

现阶段不可行的原因

注意: 此部分面向熟悉传统 3D 渲染技术(如 网格UV映射,和 摄影测量)的读者。

网格是大部分 3D 世界的运行基石。诸如 NeRFs 的视图合成技术虽然效果非常惊艳,但现阶段却难以兼容网格。不过 NeRFs 转换为网格 方向的工作已经在进行中,这部分的工作与 摄影测量 有些类似,摄影测量是对现实世界特定对象采集多张图像并组合起来,进而制作网格化的 3D 模型素材。

NeRFs 转换为网格的仓库地址:

https://github.com/NVlabs/instant-ngp

AI 制作 3D 素材|基于 AI 5 天创建一个农场游戏,第 3 天

既然基于神经网络的 文本-NeRF-网格 和摄影测量的 采图-组合-网格 两者的 3D 化流程有相似之处,同样他们也具有相似的局限性:生成的 3D 网格素材不能直接在游戏中使用,而需要大量的专业知识和额外工作才能使用。因此我认为,NeRF-网格 可能是一个有用的工具,但现阶段并未显示出 文本-3D 的变革潜力。

还拿摄影测量类比,目前 NeRF-网格 最适合的场景同样是创建超高保真模型素材,但实际上这需要大量的人工后处理工作,因此这项技术用在 5 天创建一个农场游戏系列中没有太大意义。为保证游戏开发顺利进行,对于需要有差异性的多种农作物 3D 模型,我决定仅使用颜色不同的立方体加以区分。

AI 制作 3D 素材|基于 AI 5 天创建一个农场游戏,第 3 天

不过 AI 领域的变革非常迅速,可能很快就会出现可行的解决方案。在下文中,我将讨论 文本-3D 的一些发展方向。

文本-3D 的未来发展

虽然 文本-3D 领域最近取得了长足进步,但与现阶段 文本-2D 的影响力相比,仍有显著的差距。对于如何缩小这个差距,我这里推测两个可能的方向:

  1. 改进 NeRF-网格 和网格生成(将连续的几何空间细分为离散的网格拓扑单元)技术。如上文提到的,现阶段 NeRF 生成的 3D 模型需要大量额外的工作才能作为游戏素材使用,虽然这种方法在创建高保真模型素材时非常有效,但它是以大量时间开销为代价的。如果您跟我一样使用 low-poly(低多边形)美术风格来开发游戏,那么对于从零开始制作 3D 素材,您可能会偏好更低耗时的方案。
  2. 更新渲染技术:允许 NeRF 直接在引擎中渲染。虽然没有官方公告,不过从 Nvidia OmniverseGoogle DreamFusion3d 推测,有许多开发者正在为此努力。
    • Nvidia Omniverse 官方网站:
      https://www.nvidia.com/en-us/omniverse/
    • Google DreamFusion3d 项目主页:
      https://dreamfusion3d.github.io/

时间会给我们答案。如果您想跟上最新进展,可以在 Twitter 上关注我查看相关动态。如果我错过了哪些新进展,也可以随时与我联系!

敬请期待第 4 部分的分享,我将为您介绍如何 使用 AI 制作 2D 素材

致谢

感谢 Poli @multimodalart 提供的最新开源 文本-3D 信息。


英文原文: https://huggingface.co/blog/ml-for-games-3

原文作者: Dylan Ebert, Hugging Face 工程师

中文译者: SuSung-boy (苏桑),经常倒腾图像的工业视觉算法工程师。

Poli 主页: https://huggingface.co/multimodalart

赞赏

微信赞赏支付宝赞赏

© 版权声明

相关文章

暂无评论

暂无评论...