Üks foto — ja juba 3D-objekt: Microsoft avas TRELLIS.2 arendajatele
Microsoft Research esitles TRELLIS.2-4B-d — avatud 4 miljardi parameetriga mudelit, mis muudab ühe pildi valmis 3D-assetiks. Laiemale publikule on mõte lihtne: foto põhjal pika käsitsi modelleerimise asemel püüab süsteem kohe kokku panna ruumilise objekti, mida saab edasi kasutada mängumootoris, visuaalefektides, tootekataloogis või robotite simulaatoris.
Mis muutus: mudel ei tee „ilusat toorikut“, vaid tootmiskõlblikku materjali
TRELLIS.2 peamine lubadus pole lihtsalt eseme kuju taastamine, vaid mesh koos PBR-materjalidega. PBR on pinn omaduste komplekt, mille abil objekt käitub eri valgustuses realistlikult: metallil on metallilisus, kangal karedus, klaasil läbipaistvus.
3D-pipeline’ide jaoks on see kriitiline. Lame tekstuur ligikaudsel kujul sobib demoks, kuid elab halvasti mängus, reklaamklipis või AR-vitriinis. TRELLIS.2 sihib just asset’it, mida saab eksportida GLB-na ja seejärel viimistleda tuttavates tööriistades nagu Blender, Unity või Unreal Engine.
Miks Microsoft räägib O-Voxelist
TRELLIS.2 aluseks on O-Voxel — viis hoida objekti geomeetriat ja välimust ühes kompaktses 3D-struktuuris. Kui žargoon kõrvale jätta, on see katse kirjeldada eset mitte sileda „kestana“, kus keerulised kohad kipuvad katki minema, vaid paindlikuma ruumilise skeemina.
Sellest tulevad olulised praktilised plussid. Microsofti sõnul saab TRELLIS.2 paremini hakkama avatud pindade, keeruka geomeetria, sisemiste struktuuride ja objektidega, kus on vaja läbipaistvust. Need on just juhtumid, kus 3D-generaatorid näivad esimesel renderil veenvad, kuid lagunevad päris stseenis kasutamisel: õhukesed lehed, kangas, klaas, avadega detailid ja ebastandardne topoloogia.
Numbrid: 4 miljardit parameetrit ja resolutsioon kuni 1536³
TRELLIS.2-4B töötab ühe sisendpildiga ja genereerib 3D-assete voxel grid resolution’i vahemikus 512³ kuni 1536³. Projekti lehel toob Microsoft NVIDIA H100 jaoks kiirusorientiirid: umbes 3 sekundit 512³, 17 sekundit 1024³ ja ligikaudu 60 sekundit 1536³ jaoks, koos kuju ja materjalidega.
See ei tähenda, et tehnoloogia oleks juba iga sülearvuti tarbenupuks muutunud: nõuetes on Linuxi keskkond ja vähemalt 24 GB mäluga NVIDIA GPU, testitud A100 ja H100 peal. Kuid avatud kaalud, kood ja demo on iseenesest tähtsad: arendajad saavad mudelit nüüd kohapeal katsetada, oma pipeline’idesse põimida ja konkreetsete ülesannete jaoks edasi treenida.
Kellel seda esimesena vaja on
Kõige ilmsem turg on mängud ja VFX, kus 3D-assetid on endiselt kallis käsitöö. Sama huvitav on aga e-kaubandus: müüjal on lihtsam toode pildistada ja saada mustand-3D-objekt vitriini, AR-vaate või reklaami jaoks. Robootikas võivad sellised mudelid kiirendada virtuaalsete stseenide loomist treeninguks: päris esemed jõuavad simulatsiooni kiiremini ega oota eraldi 3D-kunstnike tiimi.
Samas on TRELLIS.2 ausamalt võttes uurimisväljalase, mitte maagiline ideaalsete mudelite tehas. Mudelikaardis on kirjas piirangud: võimalikud on väikesed augud ja topoloogilised artefaktid ning baasmudel ei ole joondatud inimeste esteetiliste eelistustega. 3D-printimise, CAD-i ja vastutusrikaste tootmisstsenaariumide puhul tuleb tulemust endiselt kontrollida ja puhastada.
Neuro.ee toimetuse arvamus
TRELLIS.2 pole tähtis sellepärast, et see homme kõik 3D-kunstnikud asendab, vaid sellepärast, et nihutab taas piiri pildi ja töötava digitaalse objekti vahel. Pildigeneratsioon on juba massitööriist, kuid 3D püsis kaua jäigema, kallima ja kapriissema valdkonnana. Kui avatud mudelid nagu TRELLIS.2 hakkavad ühest fotost stabiilselt kasutuskõlblikke asset’e andma, tabab järgmine automatiseerimislaine mitte „loovust üldiselt“, vaid kõige töömahukamaid vaheetappe: algkuju, materjale, variante ja kiiret stseeniettevalmistust.
Siin ongi tegelik panus: mitte asendada professionaalne 3D-pipeline ühe nupuga, vaid lühendada järsult teed ideest või fotost redigeeritava objektini. Tööstustele, kus 3D-sisust on alati puudus, on see juba suur uudis.
