AI 制作 3D 素材 | 基于 AI 5 天创建一个农场游戏，第 3 天
欢迎使用 AI 进行游戏开发！ 在本系列中，我们将使用 AI 东西在 5 天内创建一个功能完备的农场游戏。到本系列结束时，您将了解到如何将多种 AI 东西整合到游戏开发流程中。本文将向您展示如何将 AI 东西用于:[*]美术风格
[*]游戏设计
[*]3D 素材
[*]2D 素材
[*]剧情
注意： 本教程面向熟悉 Unity 开发和 C# 语言的读者。如果您不熟悉这些技术，请先查看 Unity for Beginners 系列后再继续阅读。
第 3 天：3D 素材
本教程系列的 第 2 部门 介绍了 使用 AI 进行游戏设计。更具体地说，我们提问 ChatGPT 进行头脑风暴，进而设计农场游戏所需的功能组件。
在这一部门中，我们将探讨如何使用 AI 制作 3D 素材。先说结论：不成行。因为 现阶段 的文本-3D 技术程度还没有成长到可用于游戏开发的程度。不外 AI 范围在迅速变化，可能很快就有打破。如想了解 文本-3D 现阶段进展，现阶段不成行的原因，以及 文本-3D 的未来成长，请继续往下阅读。
文本-3D 现阶段进展
我们在 第 1 部门 中介绍了使用 Stable Diffusion 辅佐确立游戏美术风格，这类 文本-图像 的东西在游戏开发流程中表示非常震撼。同时游戏开发中也有 3D 建模需求，那么从文本生成 3D 模型的 文本-3D 东西表示如何？下面总结了此范围的近期进展：
[*]CLIPMatrix 和 CLIP-Mesh-SMPLX 可以直接生成 3D 纹理网格。
[*]DreamFusion 使用 diffusion 技术从 2D 图像生成 3D 模型。
[*]CLIP-Forge 可以从文本生成体素（体积像素，3 维空间最小分割单元，类似图片的像素）3D 模型。
[*]CLIP-NeRF 可以输入文本或者图像来驱动 NeRF 生成新的 3D 模型。
[*]Point-E 和 Pulsar+CLIP 可以用文本生成 3D 点云。
[*]Dream Textures 使用了 文本-图像 技术，可以在 Blender（三维图形图像软件）中自动对场景纹理贴图。
❝ 注：3D 对象有多种表征形式：显式（explicit representation）包罗网格、体素、点云等，可以进行贴图、衬着、合成虚拟视角等；隐式（implicit representation）凡是使用函数映射来描述，NeRF 就是一种可以合成虚拟视角的隐式表征。除 CLIPMatrix 和 CLIP-Mesh-SMPLX 之外，上述大部门方式或基于 视图合成 (view synthesis) 生成 3D 对象，或生成特定主体的新视角，这就是 NeRF（Neural Radiance Fields，神经辐射场） 背后的思想。NeRF 使用神经网络来做视图合成，这与传统 3D 衬着方式（网格、UV 映射、摄影测量等）有较大差异。
http://pic1.zhimg.com/v2-11a6c2143469095bbc52175d44d54e08_b.gif
使用 NeRF 做视图合成
那么，这些技术为游戏开发者带来了多少可能性? 我认为 现阶段 是 零，实际上它还没有成长到可用于游戏开发的程度。下面我会说明一下原因。
现阶段不成行的原因
注意： 此部门面向熟悉传统 3D 衬着技术（如 网格，UV映射，和 摄影测量）的读者。
网格是大部门 3D 世界的运行基石。诸如 NeRFs 的视图合成技术虽然效果非常惊艳，但现阶段却难以兼容网格。不外 NeRFs 转换为网格 标的目的的工作已经在进行中，这部门的工作与 摄影测量 有些类似，摄影测量是对现实世界特定对象采集多张图像并组合起来，进而制作网格化的 3D 模型素材。
http://pic4.zhimg.com/v2-662a23863837444d17d0a4b9adab166f_r.jpg
NVlabs instant-ngp, 撑持 NeRF-网格 转换。
既然基于神经网络的 文本-NeRF-网格和摄影测量的采图-组合-网格两者的 3D 化流程有相似之处，同样他们也具有相似的局限性：生成的 3D 网格素材不能直接在游戏中使用，而需要大量的专业常识和额外工作才能使用。因此我认为，NeRF-网格可能是一个有用的东西，但现阶段并未显示出 文本-3D 的变化潜力。
还拿摄影测量类比，目前 NeRF-网格 最适合的场景同样是创建超高保真模型素材，但实际上这需要大量的人工后措置工作，因此这项技术用在 5 天创建一个农场游戏系列中没有太大意义。为保证游戏开发顺利进行，对于需要有差异性的多种农作物 3D 模型，我决定仅使用颜色分歧的立方体加以区分。
Stable Diffusion Demo Space
不外 AI 范围的变化非常迅速，可能很快就会呈现可行的解决方案。不才文中，我将讨论文本-3D 的一些成长标的目的。
文本-3D 的未来成长
虽然文本-3D 范围比来取得了长足进步，但与现阶段文本-2D 的影响力对比，仍有显著的差距。对于如何缩小这个差距，我这里猜测两个可能的标的目的：
[*]改良 NeRF-网格和网格生成（将持续的几何空间细分为离散的网格拓扑单元）技术。如上文提到的，现阶段 NeRF 生成的 3D 模型需要大量额外的工作才能作为游戏素材使用，虽然这种方式在创建高保真模型素材时非常有效，但它是以大量时间开销为代价的。如果您跟我一样使用 low-poly（低多边形）美术风格来开发游戏，那么对于从零开始制作 3D 素材，您可能会偏好更低耗时的方案。
[*]更新衬着技术：允许 NeRF 直接在引擎中衬着。虽然没有官方公告，不外从 Nvidia Omniverse 和 Google DreamFusion3d 猜测，有许多开发者正在为此努力。
时间会给我们答案。如果您想跟上最新进展，可以在 Twitter 上存眷作者查看相关动态。如果我错过了哪些新进展，也可以随时与我联系！
敬请等候第 4 部门的分享，我将为您介绍如何 使用 AI 制作 2D 素材。
称谢
感激 Poli @multimodalart 提供的最新开源文本-3D 信息。
<hr/> 英文原文: https://huggingface.co/blog/ml-for-games-3
原文作者: Dylan Ebert, Hugging Face 工程师
中文译者: SuSung-boy (苏桑)，经常倒腾图像的工业视觉算法工程师。 你这游戏是给人玩的还是宣传AI的，你真的想做游戏吗？ 省流：做不了 hugging face已经开始做游戏了吗？[赞同][赞同]
页:
[1]