ابزار جدید اوپن‌ای‌آی متن را به مدل‌های 3D تبدیل می‌کند

به گزارش پیوست، Point-E از دو ایستگاه اصلی تشکیل شده و در واقع ترکیبی از دو مدل هوش مصنوعی است. اول، یک هوش مصنوعی متن-به-تصویر از توصیف شما تصویری دوبعدی می‌سازد و سپس هوش مصنوعی مبدل تصویر-به-3D، تصویر را به مدلی سه‌بعدی تبدیل می‌کند. پس اگر از Point-E بخواهید یک مخروط ترافیکی بسازد، کارش را با یک مثلث خط‌دار شروع می‌کند و هوش مصنوعی دیگری آن را به صورت مخروط ترافیکی پلاستیکی که در خیابان می‌بینیم تشخیص می‌دهد و شکل سه‌بعدی آن را ارائه می‌کند.

این ابزار ایده بکری نیست و DreamFusion گوگل هم عملکرد مشابهی دارد؛ اما DreamFusion برای فعالیت روی ماشینی مجهز به چهار پردازنده اختصاصی گوگل برای هوش مصنوعی به نام TPU v4 طراحی شده و تصویر نهایی را پس از ۹۰ دقیقه ارائه می‌کند. تصویر نهایی DreamFusion حاصل چند ساعت کار پردازنده‌های گرافیکی است. اما Point-E سرعت بیشتری دارد و حتی با کامپیوتری با یک پردازنده گرافیکی (GPU) هم اجرا می‌شود.

ابزار DALL-E با تصویرسازی سریع بسیاری از ما را حیرت‌زده کرده است اما Point-E در حال حاضر چندان هم رضایت‌بخش نیست. مطالعه‌ای که به تازگی انجام شده می‌گوید این ابزار اولین گام در یک تکنولوژی بنیادی است که نهایتاً می‌تواند به ابزاری ساده و سریع همچون DALL-E تبدیل شود. شرکت اوپن‌ای‌آی می‌گوید Point-E فعلاً کیفیت کافی برای مدل‌سازی تجاری را ندارد و تصاویر فعلی در واقع شبیه به ابری از نقاط هستند.

همان‌طور که در تصویر بالا مشاهده می‌کنید، برای اینکه مدل‌های Point-E به تصویری شفاف تبدیل شوند نیاز به پردازش و اصلاح دارند. اما امتیاز اصلی این ابزار بهره‌وری بالای آن است و اوپن‌ای‌آی مدعی می‌گوید این ابزار «یک تا دو برابر سریع‌تر از» سیستم‌های فعلی است. همان‌طور که DALL-E در حال حاضر جایگاهی در هنر پیدا کرده است، احتمالاً Point-E هم در آینده جایگاه خود را در مدل‌سازی سه‌بعدی تثبیت می‌کند. شرکت ادوبی به تازگی اعلام کرد هنر ساخته هوش مصنوعی را به کتابخانه تصاویر خود اضافه می‌کند که البته با مخالفت برخی هنرمندان روبه‌رو شده است.

اگر می‌خواهید روی کد Point-E کار کنید، تمام کد‌های این ابزار در GitHub در دسترس است. اما برای این کار علاوه بر پایتون، به کمی تجربه برنامه‌نویسی و ابزارهای command line نیاز دارید. با این همه، به دلیل پیش‌نیازهای پایین این هوش مصنوعی، استفاده از این ابزار نسبت به DreamFusion برای افراد بیشتری امکان‌پذیر است.

منبع: Extremetech