MultiCube: Compositional 3D Generation With Part-Level Semantic and Spatial Control

لطالما كان إنشاء الكائنات ثلاثية الأبعاد الرقمية للأفلام وألعاب الفيديو والعوالم الافتراضية حرفةً تتطلب جهداً يدوياً كبيراً. يقضي الفنانون ساعات في النحت والطلاء وتجميع النماذج المعقدة يدوياً، لضمان وضع كل عجلة أو جناح أو طرف في مكانه الدقيق تماماً. وفي السنوات الأخيرة، بدأ الذكاء الاصطناعي في أتمتة هذه العملية، مما سمح للحواسيب بتوليد أشكال ثلاثية الأبعاد من أوصاف نصية بسيطة. ومع ذلك، فإن أنظمة الذكاء الاصطناعي المبكرة غالباً ما تنتج كائنات صلبة مكونة من قطعة واحدة تفتقر إلى البنية الداخلية المطلوبة للاستخدام المهني. فإذا احتاج مطور إلى شخصية ذات أذرع متحركة أو مركبة ذات عجلات قابلة للفصل، فإن النموذج المولد بواسطة الذكاء الاصطناعي القياسي غالباً ما يكون عديم الفائدة لأنه مجرد كتلة مستمرة من الهندسة. لقد كان التحدي الذي واجه الباحثين هو تعليم الحواسيب ليس فقط كيفية صنع شكل، بل فهم أن الشكل يتكون من أجزاء متميزة وذات معنى يمكن التحكم فيها بشكل فردي.

قدم فريق من الباحثين نظاماً جديداً يسمى "MultiCube"، صُمم لحل هذه المشكلة من خلال منح المبدعين تحكماً دقيقاً في هوية وموقع كل جزء داخل الكائن ثلاثي الأبعاد المولد. فبدلاً من مجرد الطلب من الكمبيوتر "صنع روبوت"، يمكن للمستخدمين الآن تحديد الأجزاء التي يريدونها بالضبط — مثل رأس، وذراعين، وأربع عجلات — وإخبار النظام بمكان وضع كل جزء في الفضاء بدقة. يقوم النظام بعد ذلك بتوليد كائن ثلاثي الأبعاد كامل حيث يكون كل مكون قطعة منفصلة وقابلة للتعديل، ومتوافقة تماماً مع تعليمات المستخدم. هذا النهج يسد الفجوة بين الحرية الإبداعية للتوليد القائم على النصوص والمتطلبات الهيكلية الصارمة للنمذجة ثلاثية الأبعاد الاحترافية.

يكمن الابتكار الجوهري لـ MultiCube في كيفية تفسيره للتعليمات. فالطرق السابقة قد تأخذ وصفاً نصياً وفكرة تقريبية عن مكان الأشياء، لكنها غالباً ما تعاني في الحفاظ على تميز الأجزاء أو وضعها في المكان الصحيح. يعمل MultiCube من خلال قبول ثلاثة مدخلات محددة: وصفاً للكائن الإجمالي، وقائمة بالأجزاء المطللة، ومجموعة من الصناديق غير المرئية التي تحدد حجم وموقع كل جزء. تخيل مستخدماً يصف "مصباحاً يدوياً معدنياً متيناً" ويسرد مكوناته كالمقبض، والمفتاح، والعدسة. ثم يرسم ثلاثة صناديق في مساحة افتراضية: واحد للمقبض، وواحد للمفتاح، وواحد للعدسة. يستخدم النظام هذه الصناديق كدليل صارم، مما يضمن أن المقبض المولد يتناسب داخل الصندوق الأول، والمفتاح في الثاني، والعدسة في الثالث، بينما لا يزال يبدو كمصباح يدوي متماسك.

لتحقيق ذلك، بنى الباحثون عملية مكونة من خطوتين. أولاً، يقوم الكمبيوتر بتوليد شكل صلب واحد يحتوي على جميع الأجزاء المطلوبة في مواقعها الصحيحة. وهو يفعل ذلك من خلال تعلم ربط الوصف النصي لكل جزء بالصندوق المخصص له. يعمل مكون خاص في النظام، يسمى "مُحول تخطيط الأجزاء" (Part Layout Adapter)، كـمترجم يحافظ على فصل المعلومات الخاصة بكل جزء، مما يمنع الكمبيوتر من الارتباك بشأن الجزء الذي ينتمي لأي صندوق. وبمجرد إنشاء هذا الشكل الصلب، ينتقل النظام إلى الخطوة الثانية، حيث يقوم بعناية بفصل الكائن الصلب مرة أخرى إلى الأجزاء الفردية التي طلبها المستخدم. وهذا يضمن أن النتيجة النهائية ليست مجرد شبكة واحدة، بل مجموعة من النماذج ثلاثية الأبعاد المتميزة التي تتناسب مع بعضها البعض بشكل مثالي.

تعد نتائج هذه الطريقة تحسناً كبيبراً مقارنة بالأدوات الموجودة. ففي الاختبارات، تمكن MultiCube من توليد كائنات معقدة مثل مسدس ذو ست خانات بأسطوانة مكشوفة، أو وحش عقاب مهيب برؤوس متعددة، أو روبوت ميكانيكي بأطراف محددة، كل ذلك مع الالتزام الصارم بالتعليمات المكانية للمستخدم. وعند مقارنته بالأنظمة الأخرى، أنتج MultiCube أشكالاً كانت أكثر دقة بكثير في التخطيط المقصود وكانت تحتوي على أخطاء أقل، مثل تداخل الأجزاء أو فقدانها تماماً. كما أن النظام مرن بما يكفي للتعامل مع التغييرات؛ فإذا قرر المستخدم استبدال أرجل مخلوق بأجنحة، أو إطالة ذيل، يمكن للنظام إعادة توليد الكائن بالأجزاء الجديدة مع الحفاظ على بقية الهيكل سليماً.

بعيداً عن الكائنات الثابتة، تفتح هذه التكنولوجيا الباب لتطبيقات أكثر ديناميكية. نظرًا لأن النظام يولد الكائنات كقطع منفصلة ومصنفة، يمكن استخدام هذه الأجزاء فوراً للتحريك. فالشخصية التي يتم إنشاؤها بواسطة MultiCube يمكن تحريك أذرعها وأرجلها بشكل مستقل دون الحاجة إلى عملية "الربط الهيكلي" (rigging) اليدوية المملة، وهي العملية التي تتطلب عادةً من الفنانين تحديد كيفية انثناء المفاصل ودورانها يدوياً. كما أظهر الباحثون أن النظام يمكن أن يكون مؤتمتاً بالكامل؛ فمن خلال ربطه بنموذج لغوي كبير، يمكن للمستخدم ببساطة كتابة وصف مثل "غرفة نوم مريحة"، وسيقوم النظام تلقائياً بتحديد الأجزاء اللازمة — سرير، طاولة جانبية، مصباح — وترتيبها في تخطيط منطقي دون أي رسم يدوي للصناديق.

وعلى الرغم من قوة النظام، إلا أن الباحثين يقرون بأنه ليس مثالياً. فإذا رُسمت الصناديق التي تحدد الأجزاء بطريقة لا تبدو منطقية فيزيائياً، مثل وضع عجلة داخل رأس، فقد يبدو الكائن الناتج غريباً. بالإضافة إلى ذلك، ينتج النظام أحياناً أجزاءً تتداخل قليلاً، رغم أن هذا أمر نادر. وبالرغم من هذه القيود الطفيفة، يمثل هذا العمل خطوة كبيرة للأمام في جعل الإنشاء ثلاثي الأبعاد متاحاً وقابلاً للتحكم. فمن خلال منح المستخدمين القدرة على تحديد ليس فقط كيف يبدو الكائن، بل كيف يُبنى وأين تذهب أجزاؤه، ينقل MultiCube الذكاء الاصطناعي إلى مستوى التحكم الذي يتطلبه الفنانون المحترفون، محولاً النصوص البسيطة والرسومات التقريبية إلى أصول ثلاثية الأبعاد معقدة وقابلة للاستخدام.