کمیته رکن چهارم – محققان دانشگاه «MIT» روش جدیدی ارائه داده‌اند که ساخت مدل‌های سه‌بعدی را ساده‌تر و دقیق‌تر می‌کند. این روش، با استفاده از ابزارهایی که تصاویر دوبعدی را به مدل‌های سه‌بعدی تبدیل می‌کنند، نیازی به آموزش مجدد سیستم‌های هوش مصنوعی ندارد و می‌تواند زمان و هزینه تولید را کاهش دهد.
به گزارش کمیته رکن چهارم، تکنیک «SDS» که در سال ۲۰۲۲ معرفی شد، از مدل‌های دوبعدی برای تولید اشکال سه‌بعدی استفاده می‌کرد، اما نتایج اغلب کیفیت پایینی داشتند. محققان دانشگاه MIT دریافتند که مشکل این روش در استفاده از نویز تصادفی و فرمول‌های ناکارآمد نهفته است. آن‌ها با جایگزینی نویز تصادفی با نویز پیش‌بینی‌شده و تنظیم دقیق رندر، توانستند خروجی‌هایی واقعی‌تر و با جزئیات بیشتر تولید کنند.
تکنیک Score Distillation Sampling (SDS) روشی برای تولید مدل‌های سه‌بعدی با استفاده از مدل‌های دوبعدی است. این روش با افزودن نویز به تصویر سه‌بعدی و حذف آن توسط مدل دوبعدی، شکل سه‌بعدی را بهینه می‌کند. محققان MIT با اصلاح فرآیند نویزدهی، توانسته‌اند کیفیت این مدل‌ها را به‌طور چشمگیری افزایش دهند.
پژوهش جدید محققان دانشگاه MIT نشان‌دهنده پیشرفتی مهم در حوزه مدل‌سازی سه‌بعدی با هوش مصنوعی است. با بهبود تکنیک «SDS»، این روش اکنون می‌تواند مدل‌های سه‌بعدی واقعی‌تر و دقیق‌تری را تولید کند، بدون نیاز به آموزش مجدد مدل‌های هوش مصنوعی. این دستاورد نه تنها باعث کاهش هزینه‌ها و زمان پردازش می‌شود، بلکه امکان استفاده گسترده‌تر در زمینه‌هایی مانند واقعیت مجازی، طراحی صنعتی و ویرایش تصویر را فراهم می‌کند. این پیشرفت، که با حمایت نهادهای برجسته علمی و صنعتی به دست آمده است، افق‌های تازه‌ای برای خلاقیت و نوآوری در فناوری‌های سه‌بعدی باز می‌کند.
