NVIDIA生成式人工智能研究在一秒内制作出3D形状

NVIDIA的研究人员在最新的文字转3D生成式人工智能（AI）模型中注入了双倍的加速力量，该模型被称为LATTE3D。就像一台虚拟的3D打印机，LATTE3D能在一秒内将文字提示转换为物体和动物的3D表示形式。

采用了广泛使用于标准渲染应用程序的格式，生成的形状可以轻松地在虚拟环境中使用，用于开发电玩游戏、广告活动、设计项目或机器人的虚拟训练场域。

NVIDIA AI研究副总裁Sanja Fidler所属位于多伦多的AI实验室团队开发了LATTE3D，她表示：「一年前，AI模型生成这种质量的3D视觉效果需要一个小时，而目前的最新技术只需约10~12秒。我们现在能以数量级更快的速度产生结果，使各产业的创作者能够实现近乎实时的文字到3D生成。」

这项进步意味着当在单个GPU上运行推论时，像NVIDIA RTX A6000这样的GPU，LATTE3D能够几乎立即生成3D形状。

构思、生成、迭代：缩短周期

创作者无需从头开始设计或在3D资源库内进行查找，而是可以使用LATTE3D在想法突然出现时，立即产生详细的物件。

该模型基于每个文字提示生成几种不同的3D形状选项，供创作者选择。选定的物体可以在几分钟内进行最佳化，达到更高的品质。然后，使用者可以将形状汇出到图形软件应用程序或平台，如NVIDIA Omniverse，该平台支持基于通用场景描述（OpenUSD）的3D工作流程和应用程序。

虽然研究人员在动物和日常物体这两个特定数据集上训练LATTE3D，但开发人员可以使用相同的模型架构在其他数据类型上训练AI。

例如，如果在3D植物数据集上进行训练，LATTE3D的一个版本可以帮助景观设计师在与客户进行脑力激荡时使用树木、开花灌木和多肉植物快速填充花园渲染图。如果在家庭物品数据集上进行训练，该模型可以产生填充家庭3D模拟的物品，开发人员可以使用这些物品来训练个人助理机器人，然后再于现实世界中进行测试和部署。

LATTE3D使用NVIDIA A100 Tensor核心GPU进行训练。除了3D形状外，该模型还接受了使用ChatGPT 生成的各种文字提示的训练，以提高模型处理使用者可能想出描述特定3D物件的各种短语的能力，例如，理解具有各种犬类物种的提示都应该产生像狗一样的形状。

NVIDIA研究中心由全球数百名科学家和工程师组成，团队专注于AI、电脑图形、电脑视觉、自动驾驶汽车和机器人等主题。研究人员2024年在NVIDIA GTC大会上分享了研究成果，推动了扩散模型训练技术的发展。欢迎至NVIDIA技术博客以了解更多信息，并阅读GTC大会上的NVIDIA研究会议完整列表。

如欲了解最新的NVIDIA AI相关消息，请观看NVIDIA创始人暨CEO黄仁勳在GTC上主题演讲的重播。