上海人工智能实验室开发的一款文字转换3D模型,能够在5分钟内生成高质量的 3D 物体。
生成过程分两步:
- 模型从已有的 3D 数据中学习,通过扩散模型,快速生成粗略的3D模型。这一步主要是为了快速制作原型。
- 利用 2D 图像的扩散模型,进一步改善第一步生成的 3D 模型纹理,使其看起来更真实。这一步包括对模型的细节进行优化。
为了训练这个模型,技术团队清理并标注了一个 大规模的开源3D数据集,并结合了视觉语言模型和大型语言模型的技术。模型和代码可公开获取。
论文地址 项目地址上海人工智能实验室推出3DTopia,支持文生3D,5分钟内生成高质量物体模型。采用两阶段扩散架构:先基于3D数据生成几何粗模,再用2D图像扩散模型优化纹理与细节。依托自建清洗标注的大规模开源3D数据集,融合视觉语言与大语言模型能力,模型与代码已开源。
上海人工智能实验室开发的一款文字转换3D模型,能够在5分钟内生成高质量的 3D 物体。
生成过程分两步:
为了训练这个模型,技术团队清理并标注了一个 大规模的开源3D数据集,并结合了视觉语言模型和大型语言模型的技术。模型和代码可公开获取。
论文地址 项目地址拆成可复用角色;hermes-agent 主打任务后自动沉淀技能、让智能体越用越聪明;Superpowers 以测试驱动流程串起开发全链路;Paperclip 则尝试用多智能体编排“零人工公司”。
Adobe Firefly上线自定义图像模型功能,用户上传10张以上图片即可训练专属艺术风格模型,聚焦AI美学方向;但该能力比Midjourney晚半年推出,AI视频部分未采用自研模型,转而接入可灵2.6,引发对其技术节奏与生态策略的质疑。
ElevenLabs推出Flows——基于画布的多模态广告创作平台,整合图像、视频、语音、音效与音乐生成,支持Veo、可灵、Nano Banana等模型及真人配音库;内置商用授权Eleven Music,可一键生成70+语言版本,宣称一天完成香水广告全流程,为出海团队大幅降本提效。
围绕《文字转 3D 模型 3DTopia,能够在 5 分钟内生成高质量 3D 物体》展开交流,未登录用户可浏览评论,登录后可参与讨论。