Menggunakan Kecerdasan Buatan untuk Menghasilkan Desain Model 3D

Banyak seniman digital, arsitek, insinyur, dan pengembang game saat ini mengandalkan model 3D. Namun, membuat objek digital ini seringkali merupakan proses yang memakan waktu dan melibatkan. Model kecerdasan buatan (AI) baru dapat memberikan solusi.

Seni yang dihasilkan AI akhir-akhir ini mendapatkan banyak ketenaran, meskipun sebagian besar dalam bentuk gambar 2D. Sekarang, beberapa perusahaan telah mengumumkan perangkat lunak pembelajaran mesin yang dapat melangkah lebih jauh, mengubah teks atau gambar referensi menjadi desain 3D.

AI Generatif Hari Ini

Pada September 2022, Google meluncurkan model teks-ke-3D disebut DreamFusion. Algoritma ini dibangun di atas yang sebelumnya disebut Dream Fields, dirilis pada tahun 2021, di mana para peneliti melatih perpustakaan model 3D dengan label teks. DreamFusion, bagaimanapun, tidak memerlukan model 3D yang ada untuk memahami permintaan Anda, membuatnya jauh lebih praktis.

Dua bulan kemudian, raksasa kartu grafis Nvidia merilis model serupa. Perangkat lunak mereka, dijuluki Magic3D, hampir identik dari sudut pandang luar. Anda mengetikkan deskripsi model 3D yang Anda inginkan, dan algoritme akan membuatnya. Namun, solusi Nvidia mengklaim dua kali lebih cepat.

AI generatif 3D utama ketiga yang akan Anda temukan hari ini berasal dari OpenAI, pembuat ChatGPT dan Dall-E. Model ini, Point-E, juga membuat rendering 3D dari teks tetapi dapat melakukannya dalam waktu sesedikit mungkin satu sampai dua menit pada satu GPU.

“Point-E membuat rendering 3D dari teks hanya dalam satu hingga dua menit pada satu GPU.” 

Cara Kerja Model Generatif 3D

Sementara ketiga solusi AI penghasil model 3D besar saat ini memiliki keunggulan unik dan pendekatan khusus, mereka mengikuti proses umum yang sama. Berikut adalah melihat lebih dekat bagaimana algoritma ini bekerja.

Melatih AI tentang Referensi

Pendekatan awal untuk jenis AI ini, seperti Dream Fields, melatih mereka pada model 3D dan label teksnya. Namun, ini tidak membuat mereka memiliki banyak data pelatihan, sehingga membatasi cakupannya. Itu sebabnya model yang lebih baru belajar membuat model 3D dari gambar 2D berlabel.

AI penghasil model 3D saat ini dimulai sebagai algoritme teks-ke-gambar. Akibatnya, tahap pertama dalam pelatihan seseorang adalah memberinya gambar 2D berlabel, seperti gambar anjing dengan teks "anjing" yang menyertainya. Data ini jauh lebih mudah diakses, dengan hosting ImageNet saja lebih dari 14 juta gambar berlabel, jadi ini cara yang lebih baik untuk melatih AI.

Tak lama kemudian, Anda akan memiliki model yang dapat mengaitkan gambar 2D dengan deskripsi teks dengan cukup akurat. Anda kemudian dapat melanjutkan untuk mengajarkannya untuk mengubahnya menjadi rendering 3D.

“AI yang menghasilkan model 3D dimulai sebagai algoritme teks-ke-gambar.” 

Interpolasi

Langkah selanjutnya dalam menghasilkan model 3D dengan AI adalah interpolasi. Ini adalah proses menggabungkan beberapa gambar 2D dari subjek yang sama dari sudut yang berbeda untuk menghasilkan versi 3D.

Teknologi dasar yang memungkinkan proses ini adalah neural radiance field (NeRF). NeRF adalah jaringan saraf yang melihat berbagai tampilan objek dan menentukan di mana setiap sudut pandang ada di ruang angkasa. Mereka kemudian dapat menyatukannya, menghaluskan area di mana tampilan yang berbeda tumpang tindih untuk menghasilkan model 3D yang kohesif.

Secara tradisional, NeRF bekerja menggunakan foto suatu objek dari berbagai sudut. Namun, dalam model teks-ke-3D, mereka menghasilkan gambar 2D mereka sendiri dari berbagai sudut sebelum menggabungkannya. Seperti yang Anda duga, ini adalah proses yang sangat rumit, tetapi kemajuan terbaru telah membuatnya jauh lebih cepat.

Mengoptimalkan Model 3D

Produk yang Anda dapatkan dari satu lintasan melalui salah satu NeRF ini kemungkinan beresolusi rendah dan mungkin berisi kesalahan. Akibatnya, penting untuk membersihkan dan mengoptimalkan model 3D apa pun yang muncul setelah proses interpolasi.

Beberapa solusi AI saat ini, seperti DreamFusion dari Google, akan melewati proses rendering melalui beberapa proses interpolasi untuk menghilangkan noise dan meningkatkan resolusi. Penggunaan Magic3D Nvidia model difusi kedua yang mengurangi noise dan menyempurnakannya sesuai dengan 2D asli untuk meningkatkan resolusinya.

Bahkan setelah pengoptimalan ini, Anda mungkin harus membersihkan modelnya. Itulah mengapa solusi ini menampilkannya sebagai file yang dapat disesuaikan yang dapat Anda edit untuk mengubah resolusi, bentuk, warna, pencahayaan, dan faktor lainnya.

Keterbatasan dan Kemungkinan

Sama seperti sistem otomasi rumah yang membuat keamanan lebih nyaman dan mudah diakses, mengotomatiskan pembuatan gambar 3D dapat merampingkan banyak alur kerja. Seniman dapat mengembangkan game atau membuat adegan digital lebih cepat dalam hal film, karena mereka tidak akan menghabiskan banyak waktu untuk pembuatan model. Garis waktu konstruksi juga dapat dipersingkat karena arsitek menghasilkan cetak biru 3D dalam waktu yang lebih singkat.

Namun, algoritme ini masih membawa beberapa kekhawatiran. Seni yang dihasilkan oleh AI secara keseluruhan mendapat kecaman karena beberapa karya seniman telah muncul dalam kumpulan data pelatihan tanpa izin mereka, membuka pintu bagi masalah hak cipta dan etika. Yang lain khawatir alat ini dapat mengancam pekerjaan dan pembayaran bagi seniman manusia.

Seiring berkembangnya seni AI, perusahaan yang membangun dan menggunakannya harus mempertimbangkan komplikasi ini. Namun, dengan pendekatan human-centric yang bijaksana, model ini bisa menjadi alat revolusioner untuk membantu seniman bekerja, bukan menggantikannya.

“Mengotomatiskan pembuatan gambar 3D dapat merampingkan banyak alur kerja.” 

Kecerdasan Buatan Bisa Merevolusi Rendering 3D

AI berpindah dari menghasilkan gambar 2D ke merender model 3D dalam waktu yang relatif singkat. Langkah maju ini membuka pintu ke berbagai kemungkinan yang mengesankan selama ilmuwan data dan pengguna akhir mendekati teknologi dengan hati-hati.

Meski masih dalam tahap awal, pembuatan model 3D AI dapat merevolusi seni dan desain digital. Hasilnya, industri dari arsitektur hingga pembuatan film bisa menjadi lebih efisien.

Baca juga Akankah Mesin Menjadi Lebih Artistik Daripada Manusia?