当地时间12月2日，斯坦福大学教授、AI领域的杰出学者李飞飞宣布，她创立的公司 World Labs 推出了首个创业项目成果——一款能够通过单张静态图片生成3D交互式场景的AI工具。这一突破性技术为电影、游戏、模拟器等领域的内容创作打开了新局面。
突破二维限制：从图片到交互式3D场景
尽管已有许多AI工具可以将照片转换为3D模型，但 World Labs 强调，他们的工具具备独特的交互性与可修改性。用户不仅能够调整摄像机位置、视野和光影效果，还可以动态更改对象颜色、创建聚光灯特效，甚至添加自动运行的动态效果。这使生成的场景不再只是静态的展示，而是可供实时探索与操控的数字空间。
根据World Labs介绍，与传统的生成模型主要预测像素不同，World Labs的系统专注于预测3D场景。生成的场景不仅具有持久性，还支持实时移动与动态视角切换，避免了现有技术中常见的伪影与一致性问题。例如，用户可以自由调整视角查看场景的每一处细节，即便重新聚焦，场景也能保持一致。
World Labs的愿景：重新定义数字内容创作
“大多数生成式AI工具仍停留在二维图像或视频内容的制作上，” World Labs团队在博客中表示，“三维生成内容能够提供更高的操控性和一致性，这将彻底改变电影、游戏和数字模拟器的制作方式。”
该技术已在部分创作者的工作流程中投入试用。内容创作者埃里克·索洛里奥（Eric Solorio）表示，这一工具为他的创作流程提供了强大支持，使角色布置和精确的镜头调度更加高效便捷。此外，演示视频显示，用户可以通过浏览器实时渲染这些3D场景，利用WASD键移动并拖动鼠标实现交互，并通过滑块调整景深（DoF）或模拟推拉变焦（dolly zoom）效果，增加场景的层次感和沉浸感。
技术局限与未来展望
尽管技术令人惊艳，但World Labs坦言，当前版本仍存在一些限制。例如，用户的移动范围受限于较小的区域，场景边界之外暂时无法探索，有时还会出现渲染错误，物体之间可能以不自然的方式混合。
尽管如此，World Labs的潜力已引起业内广泛关注。根据 TechCrunch 报道，World Labs已筹集了2.3亿美元投资，投资者名单包括AI领域知名人士 Geoffrey Hinton、Jeff Dean 和谷歌前CEO Eric Schmidt。目前公司估值超过10亿美元，并计划在2025年推出首款正式产品。
技术背景：李飞飞与World Labs团队
World Labs成立于2024年1月，由李飞飞与三位在AI领域经验丰富的联合创始人——贾斯汀·约翰逊（密歇根大学助理教授）、克里斯托夫·拉斯纳（Christoph Lassner）以及本·米尔登霍尔（Ben Mildenhall）共同创立。公司总部设在旧金山，目前拥有20名员工。
李飞飞在创立之初便明确指出，空间智能的核心在于将感知与行动关联起来。她表示：“如果想让AI超越当前能力，我们需要的不只是能看、会说的AI，而是能感知环境并行动的AI。”
这种愿景与当前的“元宇宙”概念形成鲜明对比。李飞飞认为，元宇宙因缺乏内容而热度迅速消退，而World Labs的技术则专注于创造真正的互动式内容，有望填补这一空白。
技术应用场景与市场潜力
World Labs认为，他们的3D生成技术不仅能提升创作者的生产力，还将广泛应用于游戏、影视制作和教育培训等领域，为数字内容创作提供全新工具。例如，动态3D场景的持久性和交互性将显著提高影视制作中的场景搭建效率；在教育领域，这项技术也可以用于虚拟实验室和模拟教学，提供沉浸式学习体验。
纽约大学助理教授谢赛宁评价道：“想象是生成式的，而控制则属于3D。” World Labs的创新正在重新定义生成式AI的边界，为用户提供更加直观的操控和沉浸式探索的可能性。
Loading...