腾讯发布了一个模型，这个模型可能会彻底改变开发者创建3D资产的方式。
新的Hunyuan3D-PolyGen模型是腾讯首次尝试交付他们所谓的“艺术级”3D一代，专为制作我们在其中玩耍的数字世界的专业人士打造。
创建高质量的3D资产一直是游戏开发者的瓶颈，艺术家们花费无数时间来完善线框，并与复杂的几何图形搏斗。腾讯认为他们已经找到了正面解决这些难题的方法，有可能彻底改变工作室创造资产的方式。
平衡生成3D资产
混元3D-PolyGen背后的秘密在于腾讯所谓的BPT技术。通俗地说，这意味着他们已经知道如何压缩大量的3D数据而不丢失重要的细节。在实践中，这意味着有可能生成具有数万个多边形的3D资产，这些多边形实际上看起来足够专业，可以在商业游戏中发布。
特别聪明的是系统如何处理三角形和四边形面。如果你曾经尝试过在不同的软件包之间移动3D资产，你就会知道为什么这很重要。不同的引擎和工具有其偏好，兼容性问题一直是试图简化工作流程的工作室的噩梦。
根据技术文档，该系统利用自回归网格生成框架，通过显式和离散顶点和面片建模进行空间推理。这种方法可以确保制作出高质量的3D模型，满足商业游戏开发所要求的严格的艺术规格。
混元3D-PolyGen基本上是一个三步舞。首先，它将现有的3D网格转换成人工智能可以理解的语言。
使用点云数据作为起点，系统然后使用从自然语言处理借用的技术生成新的网格指令。这就像教人工智能在3D几何中说话，根据它已经创造的东西预测接下来应该发生什么。
最后，系统将这些指令翻译回实际的3D网格，包括构成最终模型的所有顶点和面。整个过程保持了几何完整性，同时产生的结果会让任何技术艺术家点头认可。
腾讯不只是在谈论理论上的改进，这些改进在真实的工作室中进行测试时会土崩瓦解；他们已经将这项技术应用到自己的游戏开发工作室中。结果呢？艺术家们声称效率提高了70%以上。
该系统已被纳入腾讯的混元3D人工智能创作引擎，并已在多个游戏开发管道中运行。这意味着它被用来创建真正的3D游戏资产，玩家最终将与之互动。
教人工智能像艺术家一样思考
混元3D-PolyGen最令人印象深刻的一个方面是腾讯如何进行质量控制。他们开发了一个强化学习系统，从本质上教会人工智能识别好的作品和坏的作品，就像导师如何指导初级艺术家一样。
该系统从反馈中学习，逐渐提高其生成符合专业标准的3D资产的能力。这意味着更少的无用信息和更多现成可用的结果。对于资源已经捉襟见肘的电影公司来说，这种可靠性可能会带来变革。
虽然人工智能在生成3D模型方面取得了令人印象深刻的进展，但坦率地说，大多数输出对于商业用途来说还不够好。“在演示中看起来令人印象深刻”和“准备好AAA游戏”之间的差距是巨大的。
腾讯对混元3D-PolyGen的做法感觉不同，因为它显然是由了解实际游戏开发的人设计的。他们不再追逐华而不实的演示，而是专注于解决困扰开发人员几十年的实际工作流问题。
随着开发成本的持续攀升和时间表的不断压缩，能够在不影响质量的情况下加速资产创造的工具变得非常有价值。
混元3D-PolyGen的发布暗示了人类创造力和人工智能辅助之间的关系将变得更加微妙的未来。这项技术似乎旨在处理创建3D资产的繁重工作，而不是取代艺术家，从而将有才华的创作者解放出来，专注于人类擅长的概念和创意挑战。
这代表了创意产业中人工智能集成的成熟方法。与通常的“人工智能将取代所有人”的说法不同，我们看到的是增强人类能力的工具，而不是试图完全复制它们。腾讯团队报告的70%的效率提升表明这一理念正在实践中发挥作用。
考虑更广泛的影响是很有趣的。随着这些系统变得更加复杂和可靠，我们可能会看到游戏开发工作室的结构和项目范围的根本转变。这项技术可以让高质量的资产创造大众化，有可能让规模较小的电影公司与传统上拥有资源优势的大型电影公司竞争。
混元3D-PolyGen的成功很可能会鼓励其他主要参与者加速他们自己的人工智能辅助创作工具，而不仅仅是生成3D资产，这可能会导致整个行业新一轮的生产力提高。对于一直带着兴奋和怀疑的混合情绪关注人工智能发展的游戏开发者来说，这可能是该技术最终实现其承诺的时刻。
AI 速览
