ภาพรวม
DreamFusion สร้างวัตถุ 3 มิติจากข้อความโดยใช้แบบจำลองการแพร่กระจายภาพ 2 มิติในฐานะนักวิจารณ์ โดยไม่เคยฝึกอบรมข้อมูล 3 มิติใดๆ เลย สิ่งประดิษฐ์หลักของบริษัท นั่นคือ Score Distillation Sampling กลายเป็นสูตรพื้นฐานสำหรับฟิลด์ข้อความเป็น 3D ทั้งหมด
DreamFusion และ Score Distillation Sampling เป็นของเวิร์กโฟลว์คอมพิวเตอร์วิทัศน์ที่ตีความหรือสร้างสื่อภาพเพื่อการวิเคราะห์ การดำเนินงาน และความคิดสร้างสรรค์
เจาะลึก
DreamFusion จาก Google ในปี 2022 ถามว่าโมเดลข้อความเป็นรูปภาพ 2 มิติสามารถสอนฉาก 3 มิติให้ดูถูกต้องจากทุกมุมได้หรือไม่ โดยจะปรับ NeRF (Neural Radiance Field) ให้เหมาะสม เพื่อให้การเรนเดอร์จากมุมมองของกล้องแบบสุ่ม เมื่อมีสัญญาณรบกวนและแสดงไปยังโมเดลการแพร่กระจายแบบเยือกแข็ง (Imagen) จะให้คะแนนเป็นรูปภาพที่น่าเชื่อถือสำหรับข้อความแจ้ง สิ่งสำคัญที่สุดคือไม่ใช้ข้อมูลการฝึกอบรม 3 มิติ ความก้าวหน้าครั้งนี้คือการสุ่มตัวอย่างการกลั่นคะแนน (SDS) แทนที่จะแพร่กระจายกลับผ่าน U-Net ที่มีราคาแพงของโมเดลการแพร่กระจาย SDS จะใช้สัญญาณรบกวนที่คาดการณ์ของโมเดลเป็นสัญญาณการไล่ระดับสีโดยตรงบนพิกเซลที่เรนเดอร์ การทำซ้ำสิ่งนี้ในมุมมองนับพันจะทำให้เกิดเนื้อหา 3 มิติที่สอดคล้องกัน พร้อมด้วยรูปทรงเรขาคณิตและรูปลักษณ์ที่ขึ้นอยู่กับมุมมองจากประโยคเดียว
ข้อมูลเชิงลึกทางเทคนิค
SDS ถือว่าโมเดลการแพร่กระจายเป็นฟังก์ชันการให้คะแนนแบบแช่แข็ง มันเรนเดอร์ NeRF เพิ่มสัญญาณรบกวน ขอให้ U-Net การแพร่กระจายทำนายสัญญาณรบกวนนั้น และคำนวณการไล่ระดับสีในขณะที่ (สัญญาณรบกวนที่คาดการณ์ลบสัญญาณรบกวนที่เพิ่มเข้ามา) ดันกลับเข้าสู่ภาพที่เรนเดอร์ และด้วยเหตุนี้จึงให้น้ำหนัก NeRF การข้าม U-Net Jacobian ทำให้สามารถเข้าใจได้ง่าย จำเป็นต้องมีคำแนะนำแบบไม่มีตัวแยกประเภทสูง (ประมาณ 100) เพื่อให้ได้ผลลัพธ์ที่คมชัด ซึ่งทำให้ลักษณะ "DreamFusion look" อิ่มตัวมากเกินไป และบางครั้งก็พร่ามัว
การเรียนรู้ DreamFusion และการสุ่มตัวอย่างการกลั่นด้วยคะแนน
DreamFusion สร้างวัตถุ 3 มิติจากข้อความโดยใช้แบบจำลองการแพร่กระจายภาพ 2 มิติในฐานะนักวิจารณ์ โดยไม่เคยฝึกอบรมเกี่ยวกับข้อมูล 3 มิติใดๆ เลย สิ่งประดิษฐ์หลักของบริษัท นั่นคือ Score Distillation Sampling กลายเป็นสูตรพื้นฐานสำหรับฟิลด์ข้อความเป็น 3D ทั้งหมด DreamFusion และ Score Distillation Sampling เป็นของเวิร์กโฟลว์คอมพิวเตอร์วิทัศน์ที่ตีความหรือสร้างสื่อภาพเพื่อการวิเคราะห์ การดำเนินงาน และความคิดสร้างสรรค์ เพื่อสร้างความเข้าใจอย่างลึกซึ้ง ให้ถือว่า DreamFusion และ Score Distillation Sampling เป็นแบบจำลองการดำเนินงาน ไม่ใช่คุณลักษณะเดียว: กำหนดผลลัพธ์ที่ต้องการ ชี้แจงสมมติฐาน และแยกสิ่งที่ระบบสามารถทำได้อย่างน่าเชื่อถือจากสิ่งที่ยังต้องใช้วิจารณญาณจากผู้เชี่ยวชาญ
ในทางปฏิบัติ ทีมที่แข็งแกร่งที่ใช้ DreamFusion และ Score Distillation Sampling จะรักษาสมดุลระหว่างความแม่นยำกับความเป็นจริงในการปฏิบัติงาน เช่น คุณภาพของข้อมูล ความแปรปรวนของแสง และความสม่ำเสมอในการติดฉลาก โดยจะบันทึกเกณฑ์ความสำเร็จที่ชัดเจน ทดสอบกับข้อมูลและขั้นตอนการทำงานที่สมจริง และทำซ้ำตามรูปแบบความล้มเหลวที่สังเกตได้ แทนที่จะชนะการวัดประสิทธิภาพเพียงครั้งเดียว นี่คือจุดที่ความเข้าใจทางทฤษฎีกลายเป็นความสามารถที่คงทนของผลิตภัณฑ์ นโยบาย และการดำเนินงาน
Visual AI สามารถทำให้การตรวจสอบ การตรวจจับ และการแท็กเป็นอัตโนมัติในขนาดต่างๆ ในขณะเดียวกัน สิทธิ์และความยินยอมในรูปภาพอาจกลายเป็นความเสี่ยงทางกฎหมายได้หากแหล่งที่มาไม่ชัดเจน แนวทางที่ยืดหยุ่นที่สุดคือการรวมความเร็วของการทดลองเข้ากับวินัยในการกำกับดูแล: ดำเนินการนำร่อง จับหลักฐาน เผยแพร่บันทึกการตัดสินใจ และอัปเดตการป้องกันอย่างต่อเนื่องเมื่อพฤติกรรมของโมเดล ความคาดหวังของผู้ใช้ และข้อกำหนดด้านกฎระเบียบมีการเปลี่ยนแปลง
ผลกระทบเชิงกลยุทธ์
Visual AI สามารถทำให้การตรวจสอบ การตรวจจับ และการแท็กเป็นอัตโนมัติในขนาดต่างๆ
Visual AI สามารถทำให้การตรวจสอบ การตรวจจับ และการแท็กเป็นอัตโนมัติในขนาดต่างๆ ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
ทีมสร้างสรรค์สามารถสร้างต้นแบบแนวคิดได้รวดเร็วขึ้นโดยต้องมีการแก้ไขด้วยตนเองน้อยลง
ทีมสร้างสรรค์สามารถสร้างต้นแบบแนวคิดได้รวดเร็วขึ้นโดยต้องมีการแก้ไขด้วยตนเองน้อยลง ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
การดำเนินการสามารถใช้สัญญาณภาพและวิดีโอที่ก่อนหน้านี้ประมวลผลได้ยาก
การดำเนินการสามารถใช้สัญญาณภาพและวิดีโอที่ก่อนหน้านี้ประมวลผลได้ยาก ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
การใช้งานจริงในโลกแห่งความเป็นจริง
การสร้างโมเดล 3 มิติของ 'ภาพถ่าย DSLR ของกระรอกสวมหมวกจิ๋ว' จากข้อความเพียงอย่างเดียว
การสร้างเกมร่างและเนื้อหา AR โดยไม่ต้องแกะสลัก 3 มิติด้วยตนเอง
การผลิตตาข่ายที่สามารถส่งออกได้ซึ่งศิลปินปรับแต่ง แทนที่จะสร้างใหม่ตั้งแต่ต้น
พื้นฐานการวิจัยสำหรับการประเมินวิธีการแปลงข้อความเป็น 3D รุ่นใหม่เทียบกับ SDS
รูปแบบการดำเนินงาน
การสุ่มตัวอย่างการกลั่นด้วย DreamFusion และ Score ในทางปฏิบัติ
การสร้างโมเดล 3 มิติของ 'ภาพถ่าย DSLR ของกระรอกสวมหมวกจิ๋ว' จากข้อความเพียงอย่างเดียว
การสร้างโมเดล 3 มิติของ 'ภาพถ่าย DSLR ของกระรอกสวมหมวกจิ๋ว' จากข้อความเพียงอย่างเดียว ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
การสุ่มตัวอย่างการกลั่นด้วย DreamFusion และ Score ในทางปฏิบัติ
การสร้างเกมร่างและเนื้อหา AR โดยไม่ต้องแกะสลัก 3 มิติด้วยตนเอง
การสร้างเกมร่างและเนื้อหา AR โดยไม่ต้องใช้การแกะสลัก 3 มิติด้วยตนเอง ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพไว้ล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
การสุ่มตัวอย่างการกลั่นด้วย DreamFusion และ Score ในทางปฏิบัติ
การผลิตตาข่ายที่สามารถส่งออกได้ซึ่งศิลปินปรับแต่ง แทนที่จะสร้างใหม่ตั้งแต่ต้น
การผลิต Meshes ที่ส่งออกได้ซึ่งศิลปินปรับแต่งแทนการสร้างตั้งแต่ต้น ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพไว้ล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
การสุ่มตัวอย่างการกลั่นด้วย DreamFusion และ Score ในทางปฏิบัติ
พื้นฐานการวิจัยสำหรับการประเมินวิธีการแปลงข้อความเป็น 3D รุ่นใหม่เทียบกับ SDS
เส้นฐานการวิจัยสำหรับการประเมินวิธีการแปลงข้อความเป็น 3 มิติแบบใหม่กับทีม SDS มักจะได้รับผลลัพธ์ที่ดีกว่า เมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการผลิตที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
ความเสี่ยงและรั้ว
สิทธิ์และความยินยอมในรูปภาพอาจกลายเป็นความเสี่ยงทางกฎหมายได้หากแหล่งที่มาไม่ชัดเจน
ประสิทธิภาพของโมเดลอาจแตกต่างกันไปตามสภาพแสง ข้อมูลประชากร และสภาพแวดล้อม
ผลบวกลวงอาจไม่สังเกตเห็นเว้นแต่จะมีการตรวจสอบเกณฑ์ความเชื่อมั่น
แผนงานการดำเนินงาน
กำหนดเกณฑ์การยอมรับสำหรับความแม่นยำ การเรียกคืน และต้นทุนข้อผิดพลาด
กำหนดเกณฑ์การยอมรับสำหรับความแม่นยำ การเรียกคืน และต้นทุนข้อผิดพลาด ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
ทดสอบด้วยข้อมูลที่ตรงกับเงื่อนไขการผลิตจริง
ทดสอบด้วยข้อมูลที่ตรงกับเงื่อนไขการผลิตจริง ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
เพิ่มการตรวจสอบโดยเจ้าหน้าที่สำหรับการคาดการณ์ที่มีความมั่นใจต่ำหรือมีผลกระทบสูง
เพิ่มการตรวจสอบโดยเจ้าหน้าที่สำหรับการคาดการณ์ที่มีความมั่นใจต่ำหรือมีผลกระทบสูง ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
ติดตามการเคลื่อนตัวของโมเดลและตรวจสอบความถูกต้องอีกครั้งหลังจากการเปลี่ยนแปลงกล้องหรือชุดข้อมูล
ติดตามการเคลื่อนตัวของโมเดลและตรวจสอบความถูกต้องอีกครั้งหลังจากการเปลี่ยนแปลงกล้องหรือชุดข้อมูล ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น