لماذا يُعد التخطيط ثلاثي الأبعاد الحلقة المفقودة في توليد الفيديو بالذكاء الاصطناعي
These posts were published when Utopai Studios was known as Cybever. As our platform has evolved, some content may be outdated, but we've kept these articles here as a record of our journey.
إن وعد توليد الفيديو بالذكاء الاصطناعي مثير. صور تتحرك، ومشاهد تُبنى ذاتيًا، وقصص تنبثق من موجه نصي. لكن أي شخص جرب توليد محتوى طويل أو مشاهد متعددة اللقطات يعرف القيود الحالية جيدًا: هندسة تتغير، وعدم اتساق بصري بين الإطارات، ونقص عام في التحكم الإخراجي.
هذه المشكلات ليست مجرد إزعاجات تقنية. إنها عوائق إبداعية.
- المشاهد المولدة بالذكاء الاصطناعي تفتقر إلى الاتساق عبر اللقطات
- من الصعب التحكم بدقة في حركة الكاميرا داخل البيئات المولدة
- يبقى بناء نماذج المشاهد ثلاثية الأبعاد يدويًا مكلفًا، خاصة في صناعة السينما والتلفزيون
لهذا، في Cybever، نؤمن أن الحل يكمن في البنية – وتحديدًا التخطيط ثلاثي الأبعاد.
سألنا أنفسنا سؤالًا بسيطًا: هل يمكن للمشاهد ثلاثية الأبعاد أن تجلب الاتساق والتحكم الذي يحتاجه توليد الفيديو بالذكاء الاصطناعي بشدة؟
للإجابة على ذلك، طور فريقنا البحثي 3DTown، وهو نظام مبتكر قادر على توليد مدن ثلاثية الأبعاد كاملة من صورة واحدة من الأعلى. البحث، المنشور مؤخرًا على arXiv، يقدم نهجًا قويًا لبناء بيئات ثلاثية الأبعاد غنية بالتفاصيل ودقيقة دلاليًا من مدخل ثنائي الأبعاد واحد.
بدلاً من الاعتماد على النمذجة اليدوية المكثفة، يستخدم 3DTown الذكاء الاصطناعي لتفسير العلاقات المكانية وبناء مشاهد ثلاثية الأبعاد كاملة مليئة بالطرق والمباني والهياكل البيئية الأخرى مع الحفاظ على الدقة البصرية والاتساق الهندسي. والنتيجة هي بيئة ثلاثية الأبعاد قابلة للتنقل بالكامل ومتماسكة مكانيًا تشكل الأساس المثالي لتوليد الفيديو بالذكاء الاصطناعي.
هذا البحث ليس مجرد إنجاز تقني، بل هو نقلة نوعية. إنه يسمح لنا بالتعامل مع التخطيط ليس كفكرة لاحقة، بل كأداة إبداعية من الدرجة الأولى. إنه النسيج الضام بين الرؤية الإخراجية والعرض المدفوع بالذكاء الاصطناعي.
ومع سرعة ودقة 3DTown، أصبح الجواب على سؤالنا الأصلي واضحًا الآن: نعم – التخطيط ثلاثي الأبعاد يفتح الباب أمام التحكم والاتساق الذي كان ينقص توليد الفيديو بالذكاء الاصطناعي.
إليك كيف قمنا بتقسيم التحدي:
- ابدأ بالثلاثي الأبعاد – عندما تثبت مشاهدك في الهندسة والتخطيط، يعرف كل إطار مكانه وما حوله. هذا يصلح التناقضات الزمنية والمكانية.
- اجعله سريعًا – يمكن لنظام 3DTown توليد مدن ثلاثية الأبعاد معقدة من خريطة واحدة، مما يقلل ما كان يستغرق أسابيع من النمذجة اليدوية إلى دقائق فقط.
- دع الذكاء الاصطناعي يتولى الباقي – بمجرد وجود مشهد ثلاثي الأبعاد منظم، يمكن إضافة أدوات الذكاء الاصطناعي لدينا فوقه لتوليد القوام، وملء التفاصيل، وحتى عرض الصور السينمائية النهائية على أساس متسق قائم على التخطيط.
هذا النهج لا يتعلق فقط بالدقة البصرية؛ بل يتعلق بالحرية الإبداعية.
يمكن للمخرجين الآن رسم أو تحديد مشهد باستخدام تصور مسبق ثلاثي الأبعاد تقريبي. يصبح هذا النموذج لوحة يرسم عليها الذكاء الاصطناعي أنماطًا بصرية متعددة أو تعديلات. يمكن للمخرجين مراجعة اللقطات دون إعادة عرض كل شيء. لم يعد يتعين على الاستوديوهات دفع تكاليف فنانين لنمذجة مشاهد معقدة من الصفر. بدلاً من ذلك، ينشئ 3DTown مشاهد ثلاثية الأبعاد عالية الجودة عند الطلب. تظل المشاهد متسقة عبر اللقطات المختلفة وزوايا الكاميرا والتعديلات. هذا يحافظ على المنطق المكاني سليمًا عبر اللقطات الواسعة واللقطات القريبة والكاميرات المتحركة – وهو أمر ضروري لوضوح السرد.
النتائج: كيف يثبت 3DTown أن النموذج يعمل
في بحثنا الأخير، أظهر 3DTown تحسينات كبيرة مقارنة بالطرق الحديثة في الصناعة:
- 72% من المقيمين البشريين فضلوا إعادة البناء ثلاثية الأبعاد لدينا
- 75% قالوا إن البيئة طابقت تخطيطات الطرق والمباني المتوقعة
- 92% تفضيل في التقييمات القائمة على GPT-4o لدقة القوام والبنية
هذه ليست مجرد انتصارات أكاديمية. إنها تترجم مباشرة إلى خطوط إنتاج أنظف، ومراجعات أقل، ونتائج أفضل لصناع الأفلام والمبدعين.
في النهاية، هدفنا هو تمكين نوع جديد من سير العمل حيث:
- يحدد المخرجون اللقطات من خلال التخطيط والحركة، وليس العروض النهائية
- يتولى الذكاء الاصطناعي أسلوب العرض والإضاءة واللمسة البصرية
- يتعاون الفنانون والفنيون على هندسة منظمة، وليس بكسلات مسطحة
هكذا نحول الذكاء الاصطناعي إلى مضخم إبداعي – وليس بديلاً.
في صناعة الترفيه، حيث الاستمرارية البصرية والتحكم الإخراجي أمران بالغا الأهمية، يقدم 3DTown حلاً بدون تكلفة تدريب للتصور المسبق. للتطبيقات البحثية والصناعية، يؤسس خط أنابيب حيث يتم الحفاظ على المنطق المكاني والدقة البصرية من البداية.
.avif)
.png)
