OpenAI 最近推出了名為 Shap-E 的條件生成模型，專門用於生成 3D 圖像。傳統的模型只能生成單一的輸出表達形式，但 Shap·E 可以生成隱式函數的參數，這些函數可以作為紋理網格或神經輻射場 (NeRF) 進行渲染，從而實現多樣化和逼真的 3D 圖像生成。Shap·E 採用了隱式神經表示 (INRs) 來編碼 3D 圖像，提供了一個靈活且高效的框架，能夠捕捉到 3D 圖像的詳細幾何特徵。
圖片來源：網上圖片
使用 AI 生成 3D 模型是想當困難的，因為 3D 模型可以是非常複雜，具有大量的細節和紋理。因此，需要處理大量的數據和計算來生成這些模型，這需要強大的計算機和算法支持。同時需要精確測量和處理大量的數據，包括幾何形狀、尺寸、紋理、顏色等等。因此，算法必須具有高度的精度和準確性，以確保生成的 3D 模型符合預期。
圖片來源：網上圖片
Shap-E 的訓練包括先將編碼器用來將 3D 圖像轉換成隱式函數參數，再用有條件擴散模型進行訓練，從而生成多樣且複雜的 3D 圖像。與 Point-E 模型相比，Shap-E 在更高維度和多重表示輸出空間的情況下，顯示出更快的修正速度和相當或更好的樣本質量。
資料來源：OpenAI
