李飞飞团队突破：一张图生成3D场景，开启AI空间智能新篇章
人工智能领域影响力最大的女性和华人之一，AI学者、斯坦福大学教授李飞飞带领的创业项目World Labs取得重大突破。12月2日，World Labs公布了其第一个成果：能用单张静态图片生成交互式、可修改的3D场景。
与现有的AI工具将照片转换为3D模型和场景不同，World Labs生成的场景具有交互性，用户可以使用浏览器实时渲染，通过键盘或鼠标探索场景。
具体而言，该AI工具提供了可调节的滑块，可控制模拟景深和推拉变焦，增强场景真实感和层次感。此外，用户还可以调整相机位置和视野、更改对象颜色、创建聚光灯特效和动态效果。
World Labs表示，他们的系统属于一种新兴的人工智能范畴：世界模型。该模型可以模拟游戏和3D环境，但与现有的模型相比，他们的模型伪影和一致性问题更少。
与预测像素的传统生成模型相比，预测3D场景具有多重优势。生成的场景更加持久，一旦生成便一直存在，不会因视线移动而变化；用户可以实时控制和移动场景；可以仔细观察细节或探索隐藏物体。
“大多数生成式AI工具生成的都是图像或视频等二维内容，” World Labs表示，“而生成三维内容能够提升操控性和一致性。这将改变我们制作电影、游戏、模拟器以及物理世界其他数字呈现形式的方式。”
目前，World Labs已对公众开放Waitlist候补名单申请。作为开发和测试的一部分，一些创作者已将其整合到他们的工作流程中。内容创作者埃里克·索洛里奥发现，这项技术完美填补了他创作过程中的空白，使其角色布置和镜头调度更加容易。
World Labs强调，目前公布的成果仅是“3D原生生成AI未来的一个缩影”。AI工具仍有改进空间，例如用户的移动范围限制在一个较小区域，超出边界会遇到限制。有时也会出现渲染错误，如对象之间不自然融合。
据TechCrunch报道，World Labs已从包括AI大牛Geoffrey Hinton、Jeff Dean、谷歌前CEO Eric Schmidt等在内的投资者处筹集了2.3亿美元的投资，现公司估值超过10亿美元，计划在2025年推出首款正式产品。
World Labs于今年1月成立，由李飞飞与贾斯汀·约翰逊（Justin Johnson）、克里斯托夫·拉斯纳（Christoph Lassner）和本·米尔登霍尔（Ben Mildenhall）共同创立。三人均拥有丰富的AI领域经验。目前，World Labs总部位于旧金山，拥有20名员工。
在李飞飞的构想中，“具备行动能力是所有空间智能生物与生俱来的，因为它将感知与行动联系起来。”她认为，“如果想让AI超越其当前能力，我们需要的是，不仅仅能够看到、会说话的AI，而且是一个可以行动的AI。”
然而，有记者指出，World Labs的愿景与此前迅速消退的热潮概念“元宇宙”相似。对此，World Labs的创始人解释说，元宇宙之所以短暂，是因为当时的热潮基于一些有前景的硬件，但缺乏真正的互动内容。他们认为，世界模型或能够填补这一空白。
李飞飞团队的突破标志着AI空间智能领域的新篇章。通过生成交互式、可修改的3D场景，World Labs赋予AI前所未有的行动能力和感知能力。这项技术在电影、游戏、模拟和数字呈现等领域拥有广阔的应用前景，有望彻底改变我们与数字世界互动的方式。
原创文章，作者：睿鸿在线，如若转载，请注明出处：https://mip.orihonor.com/2024/12/05/21683.shtml
