手の中に物理的な物体、例えば木製の椅子や陶器の花瓶を持っているところを想像してみてください。もしそのスタイルを素朴なものから未来的なものへと変えたいと思ったら、木を削り取ったり粘土を成形したりしなければなりません。それは時間がかかり、永久的な変化であり、高度な技術を必要とするプロセスです。デジタル世界において、映画やビデオゲーム、あるいは製品デザインのために3次元オブジェクトを作成することは、伝統的に同様の手作業の道のりを辿ってきました。デザイナーは、あらゆる曲線や表面を精緻に作り込みながら、パーツを一つずつ組み立てていきます。近年、人工知能はショートカットを提供し、人々が説明文を入力するだけで3Dオブジェクトを生成することを可能にしました。しかし、これらのAIツールはしばしば「抽選機」のような挙動を示します。プロンプトを入力すると、システムは結果を出力しますが、もしその結果が現代的すぎたり、あるいは意図したものと少し違っていたとしても、単に微調整を加えることはできず、より良い結果を期待して新しい説明文でやり直さなければなりません。これにより、椅子をもう少し丸くしたり、車をもう少し流線型にしたりといった、全体のデザインを失うことなく小さな精密な調整を行うことが困難になっています。

研究チームは、この問題を解決するために「SemanticSlider3D」と呼ばれる新しい手法を開発しました。彼らの研究は、ステレオの音量調節機能のように、シンプルなしりとり（スライダー）を使って、デジタルオブジェクトの見た目や質感を生の感覚で連続的に編集する方法を導入しています。これは、変更のたびに最初からやり直すのではなく、既存の3Dモデルを使用し、コントロールを前後にスライドさせることで、ある極端な状態から別の極端な状態へと滑らかに変化させることを可能にします。例えば、標準的なピアノを使い、コントロールをスライドさせて次第に未来的へと変化させ、クラシックな木目調から、統合されたライトを備えた洗練された光沢のあるデザインまで、その間のあらゆる微妙な変化を目で追うことができます。このシステムは、新しいオブジェクトやスタイルごとに再学習する必要がないため、多くの可能性を迅速に探索する必要があるデザイナーにとって柔軟なツールとなります。

研究者たちが直面した核心的な課題は、3Dオブジェクトが平面的な画像よりもはるかに複雑であることでした。2D画像を編集する場合、カメラが見ている一つの角度のみを変更すれば済みます。しかし、3Dオブジェクトは空間の中に存在しており、ある側面から見た外観を変更する場合、それは他の側から見た外観とも整合していなければなりません。もしAIが椅子の前面を未来的になるよう変更した一方で、背面を古いままにしてしまったら、その結果は壊れていて非現実的なものに見えてしまいます。これまでの試みでは、オブジェクトの2D画像を編集し、その画像を再び3D形状に変換しようとする手法が取られてきました。しかし、研究者たちは、画像を3Dに変換するプロセスがエラーや不整合を引き起こし、結果としてオブジェクトが歪んだり元の形状を失ったりすることが多いため、このアプローチは失敗すると判断しました。

これらのエラーを回避するために、研究者たちは、画像を先に加工するのではなく、3Dオブジェクトが格納されているコンピュータの「脳」の中で直接動作するようにシステムを構築しました。彼らは、3D形状の構造を理解する強力なAIモデルを使用しました。プロセスは、元の3Dオブジェクトを取り込み、防犯カメラシステムが部屋のあらゆる方向を捉えるように、多くの異なる角度から観察することから始まります。次に、システムは言語モデルに対して、オブジェクトの「負の極端（望ましい変化の反対）」と「正の極端（望ましい変化）」の両方を記述するよう求めます。例えば、ソファを「非常に未来的」にしたい場合、システムは古典的で伝統的なソファの記述と、超洗練されたモダンなソファの記述の両方を生成します。

次に、システムはどのカメラビューがその変化を示すために最も重要であるかを特定します。もしユーザーがキャラクターの目のサイズを変えたい場合、システムは背面からのビューを無視し、前面にのみ焦点を絞ります。そして、対照的な記述を用いて、それぞれの重要なビューに対して一対の画像を作成します。一つは負の極端を示す画像、もう一つは正の極端を示す画像です。これらのペアを比較することで、システムは、古い外観から新しい外観へと導く特定の「数学的な内部空間における方向」を計算します。この方向がガイドとして機能します。ユーザーがスライダーを動かすと、システムはこのガイドに従い、オブジェクトの形状と質感を一歩ずつ調整していきます。システムは3D構造上で直接動作するため、あらゆる角度から見て一貫性のある外観を維持し、オブジェクトの完全性を保ちながら新しいスタイルを適用することができます。

研究者たちは、動物、家具、食品、乗り物など、50種類の異なるオブジェクトを含むデータセットを用いてこの手法をテストしました。彼らは、2D画像を編集してから3Dに変換しようとする標準的なアプローチと、この新しいスライダー・システムを比較しました。5人の専門家が、変化の多様性、変化の一貫性、3Dモデルの全体的な品質、およびシステムが触れるべきでない部分を誤って変更していないかという点について、結果を評価しました。結果は明白でした。新しいスライダー方式は圧倒的に好まれました。それはより幅広い意味のある変化を生み出し、3Dオブジェクトの高品質かつ構造的な健全性を維持し、関連のない特徴を正常に保持していました。例えば、椅子をより未来的にする場合、システムはスタイルを変更しても、脚の数や座面の基本構造を誤って変更することはありませんでした。

このツールが実際のデザイン現場でどのように機能するかを確認するため、研究者たちは3Dモデリングの経験を持つ6人を招待し、制御された環境下で使用してもらいました。参加者たちは、ランプのデザインや義足のデザインなど、様々な目標に対してプロトタイプを作成するよう求められました。参加者たちは、スライダーが当初考えていなかったデザインのアイデアを探求する助けになると感じました。モダンなフロアランプを作ろうとしていたある参加者は、自身が当初思い描いていたモダンなバージョンよりも、より興味深いディテールを持つレトロなバリエーションを発見して驚きました。また、義足を設計していた別の参加者は、選択肢の全スペクトルを見ることが、まだ考えていなかった新しい機能について思考を促すきっかけになったと述べました。このツールは単なるエディターではなく、創造的なプロセスのパートナーとして機能し、ユーザーが全範囲の可能性を示すことで、自分たちが本当に何を望んでいるのかを明確にする手助けをしました。

しかし、研究はいくつかの限界も明らかにしました。システムは、オブジェクトの全体的なスタイル、素材、あるいは「雰囲気」を変更することには非常に優れていましたが、特定の目のサイズや特定のパーツの高さといった、具体的な幾何学的詳細を変更することに関しては精度が低いものでした。研究者たちは、このようなきめ細かな構造的変更をスムーズに扱うことは、システムにとって依然として困難であると指摘しました。さらに、スライダーの生成にかかる時間も課題であり、初期設定に約12分、スライダー上の新しいポイントを一つ作成するのに約1分半を要します。つまり、このツールは強力ではあるものの、即時性があるわけではなく、システムが動作する間、ユーザーは忍耐強く待つ必要があります。

こうした制約はあるものの、今回の知見は、人間がデザインのために人工知能とどのように相互作用するかという点において、大きな進歩を示唆しています。このシステムは、3Dモデリングの専門知識を必要とせずに、ユーザーが3Dオブジェクトに対して微細な制御を行うことが可能であることを証明しました。連続的なスタイルや属性の範囲をスライドできるようにすることで、このツールは、テキストによるプロンプトの曖昧さと、プロフェッショナルなデザインの精密なニーズとの間の溝を埋めています。それは、創造的な可能性の広大な空間をナビゲートする方法を提供し、デザイナーが初期のアイデアと最終製品との間の完璧なバランスを見つけ出すのを助けます。技術が向上し、特に複雑な幾何学的変更の処理や待ち時間の短縮が進めば、このツールはクリエイティブなワークフローの標準となり、私たちが未来の物体をどのように想像し、構築するかを変えていくことになるでしょう。