CubePart: An Open-Vocabulary Part-Controllable 3D Generator
يُعد CubePart إطار عمل توليدي يتيح إنشاء نماذج ثلاثية الأبعاد (3D meshes) ذات مفردات مفتوحة وقابلة للتحكم في أجزائها، وذلك عبر استقبال مطالبات نصية عامة ومخططات أجزاء محددة من قبل المستخدم لإنتاج أصول متماسكة وجاهزة للتحريك، مُجمعة من مكونات دلالية مهيكلة بشكل صريح.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك مطور ألعاب فيديو. تريد إنشاء سيارة ثلاثية الأبعاد للعبتك. في الأيام الخوالي، كان عليك استئجار فنان لنحت السيارة بالكامل من الطين الرقمي، ثم تقطيعها يدوياً إلى قطع: العجلات، والأبواب، والمحرك، والهيكل. وكان عليك تسمية كل قطعة ليعرف كود اللعبة: "آه، هذه القطعة المحددة هي العجلة، لذا يمكنني جعلها تدور".
هذا التقطيع والتسمية اليدوية عملية بطيئة، ومكلفة، وصعبة التوسع.
مؤخراً، بدأ الذكاء الاصطناعي يصبح بارعاً حقاً في صنع كائنات ثلاثية الأبعاد من الأوصاف النصية. لكن كانت هناك عقبة: كان الذكاء الاصطناعي يخرج "كتلة واحدة" (monolith)—أي كتلة صلبة واحدة من الطين الرقمي. كانت تبدو كسيارة، لكنها كانت قطعة واحدة متصلة. لم يكن بإمكانك تدوير العجلات أو فتح الأبواب لأن الذكاء الاصطناعي لم يكن يعرف أين تنتهي القطع وأين تبدأ. حاولت طرق أخرى من الذكاء الاصطناعي تخمين الأجزاء، لكنها كانت مثل طاهٍ يخمن المكونات في حساء دون وصفة؛ قد يحصل على العدد الصحيح من القطع، لكنها لن تطابق الوصفة المحددة التي تحتاجها.
إليك CubePart: ذكاء اصطناعي يعمل كـ "بناء الليغو".
تقدم الورقة البحثية CubePart، وهو نظام جديد يعمل مثل خبير بناء "ليغو" محترف يتبع تعليماتك بدقة.
الفكرة الجوهرية: "الوصفة" و"المخطط"
بدلاً من مجرد قول: "اصنع لي سيارة"، أنت تعطي الذكاء الاصطناعي شيئين:
- الوصف: "اصنع لي شاحنة سحب مستقبلية رائعة".
- المخطط (Schema): قائمة محددة بالأجزاء التي تحتاجها: "أحتاج إلى مقصورة، وهيكل، وأربع عجلات، وكشاف سقف، ومجموعة سحب".
لا يقوم CubePart بمجرد التخمين؛ بل يبني الكائن خصيصاً ليتطابق مع قائمتك. إنه يضمن أن النتيجة النهائية ليست مجرد كتلة ضخمة واحدة، بل مجموعة من القطع المتميزة والمنفصلة التي تتناسب مع بعضها البعض بشكل مثالي، لتكون جاهزة لمحرك الألعاب الخاص بك للإمساك بها وتحريكها.
كيف يعمل: "المطبخ ذو المرحلتين"
بنى المؤلفون هذا النظام باستخدام عملية طهي من خطوتين:
المرحلة 1: خبز الكعكة الكاملة
أولاً، يتعلم الذكاء الاصطناعي كيفية خبز كعكة كاملة ومثالية (الكائن بأكمُله) بناءً على وصفك. يستخدم مكتبة ضخمة من الأشكال ثلاثية الأبعاد والأوصاف النصية التي تعلمها من مجموعة بيانات هائلة (أكثر من 460,000 كائن!). تضمن هذه المرحلة أن الكائن يبدو صحيحاً ويمتلك الشكل العام المناسب.
المرحلة 2: تقطيع الكعكة
بمجرد خبز الكعكة الكاملة، ينتقل الذكاء الاصطناعي إلى المرحلة الثانية. يأخذ تلك الكعكة الكاملة ويقطعها تماماً وفقاً لـ "مخططك".
- السر الخفي: تقدم الورقة البحثية آلية خاصة تسمى "الانتباه المتبادل بين الأجزاء" (Cross-Part Attention). فكر في هذا كشبكة اتصال بين الشرائح. عندما يقوم الذكاء الاصطناعي بقطع "العجلة اليسرى"، فإنه يتواصل مع "العجلة اليمنى" ليتأكد من أنهما بنفس الحجم ولا تتداخلان. إنه يضمن أنه بينما تكون الأجزاء منفصلة، فإنها لا تزال تتناسب مع بعضها لتشكل كلاً متماسكاً، تماماً مثل سيارة حقيقية.
محرك البيانات: "المكتبي الذكي"
لتعليم الذكاء الاصطناعي كيفية القيام بذلك، كان على الباحثين بناء مكتبة ضخمة من الأمثلة. لم يطلبوا من البشر تسمية ملايين الأجزاء (لأن ذلك سيستغرق وقتاً طويلاً للغاية). بدلاً من ذلك، بنوا نظام "مكتبي ذكي" مؤتمت باستخدام نماذج رؤية متقدمة للذكاء الاصطناعي.
ينظر هذا المكتبي إلى النماذج ثلاثية الأبعاد، ويلتقط صوراً من جميع الزوايا، ويستخدم خدعة تسمى "مجموعة العلامات" (Set-of-Mark) (مثل وضع ملصقات مرقمة على أجزاء مختلفة من صورة). ثم يسأل نموذج لغة-رؤية فائق الذكاء (Vision-Language Model) للنظر إلى الملصقات وقول: "حسناً، الملصق رقم 1 و2 كلاهما عجلات، لذا دعونا نجمعهم ونسميهم 'العجلات الأمامية'". سمح لهم هذا بإنشاء مجموعة بيانات أكبر بـ 11 مرة من أي مجموعة بيانات سابقة تعتمد على الأجز، وكل ذلك بشكل آلي.
لماذا هذا مهم (وفقاً للورقة البحثية)
تدعي الورقة أن هذا يمثل نقطة تحول للمحتوى ثلاثي الأبعاد التفاعلي (مثل ألعاب الفيديو) لأن:
- إنه جاهز للاستخدام: المخرج ليس مجرد صورة جميلة؛ بل هو مجموعة من الشبكات (meshes) المنفصلة التي يمكن إسقاطها مباشرة في محرك الألعاب.
- إنه قابل للتحكم: يمكنك إخبار الذكاء الاصطناعي: "أريد أن يكون غطاء المحرك قطعة منفصلة حتى أتمكن من تحريك فتحه"، وسيفعل ذلك بالضبط.
- إنه يتعامل مع التعقيد: تظهر الورقة أمثلة لكائنات معقدة مثل "سيارة سباق بطابع قنديل البحر" أو "دبابة ببرج"، حيث نجح الذكاء الاصطناعي في فصل العجلات، والجسم، والبرج، والمدافع إلى قطع متميزة وقابلة للاستخدام.
القيود (لحظات "الخطأ")
المؤلفون صريحون بشأن المواضع التي لا يزال النظام يتعثر فيها:
- الصلابة مقابل المرونة: حالياً، هو بارع جداً في التعامل مع الأجسام الصلبة مثل السيارات والروبوتات (الأجسام الصلبة). لكنه لا يعرف بعد كيفية التعامل مع "الجلد" أو العضلات للشخصيات التي تحتاج إلى الانحناء والتمدد (مثل ذراع الإنسان).
- الحدود المتداخلة: أحياناً، قد يجعل الذكاء الاصطناعي جزأين من المفترض أن يكونا منفصلين (مثل الباب وجسم السيارة) يتداخلان قليلاً أو يتقاطعان، مثل شخصين يحاولان الجلوس في نفس الكرسي.
- اليسار مقابل اليمين: يخلط الذكاء الاصطناعي أحياناً بين "اليسار" و"اليمين"، مما قد يؤدي إلى تبديل عجلة يسرى بأخرى يمنى، خاصة إذا كان الكائن متماثلاً.
باختصار، CubePart هو أداة تحول الفكرة الغامضة لـ "اصنع لي كائناً ثلاثي الأبعاد" إلى مجموعة دقيقة ومعدة مسبقاً من الأجز، مما يوفر على الفنانين العمل الممل المتمثل في تقطيع ابتكاراتهم يدوياً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.