AI 制作 3D 素材｜基于 AI 5 天创建一个农场游戏，第 3 天

1. 美术风格 (第一天)

2. 游戏设计 (第二天)

3. 3D 素材

4. 2D 素材

5. 剧情

注意： 本教程面向熟悉 Unity 开发和 C# 语言的读者。如果您不熟悉这些技术，请先查看 Unity for Beginners 系列后再继续阅读。

第 3 天：3D 素材

本教程系列的 第 2 部分 介绍了 使用 AI 进行游戏设计。更具体地说，我们提问 ChatGPT 进行头脑风暴，进而设计农场游戏所需的功能组件。

在这一部分中，我们将探讨如何使用 AI 制作 3D 素材。先说结论：不可行。因为现阶段的文本-3D 技术水平还没有发展到可用于游戏开发的程度。不过 AI 领域在迅速变革，可能很快就有突破。如想了解文本-3D 现阶段进展，现阶段不可行的原因，以及文本-3D 的未来发展，请继续往下阅读。

文本-3D 现阶段进展

我们在 第 1 部分 中介绍了使用 Stable Diffusion 帮助确立游戏美术风格，这类 文本-图像 的工具在游戏开发流程中表现非常震撼。同时游戏开发中也有 3D 建模需求，那么从文本生成 3D 模型的文本-3D 工具表现如何？下面总结了此领域的近期进展：

• CLIPMatrix 和 CLIP-Mesh-SMPLX 可以直接生成 3D 纹理网格。

• CLIPMatrix 论文地址：
  https://arxiv.org/abs/2109.12922

• CLIP-Mesh-SMPLX 代码库地址：
  https://github.com/NasirKhalid24/CLIP-Mesh-SMPLX

• DreamFusion 使用 diffusion 技术从 2D 图像生成 3D 模型。

• DreadFusion 项目主页：
  https://dreamfusion3d.github.io/

• CLIP-Forge 可以从文本生成体素 (体积像素，3 维空间最小分割单元，类似图片的像素) 3D 模型。

• CLIP-Forge 代码库地址：
  https://github.com/autodeskailab/clip-forge

• CLIP-NeRF 可以输入文本或者图像来驱动 NeRF 生成新的 3D 模型。

• CLIP-NeRF 代码库地址：
  https://github.com/cassiePython/CLIPNeRF

• Point-E 和 Pulsar+CLIP 可以用文本生成 3D 点云。

• Hugging Face 关于 Point-E 的介绍：
  https://huggingface.co/spaces/openai/point-e

• Pulsar+CLIP 在 Google Colab 的示例地址：
  https://colab.research.google.com/drive/1IvV3HGoNjRoyAKIX-aqSWa-t70PW3nPs

• Dream Textures 使用了 文本-图像 技术，可以在 Blender (三维图形图像软件) 中自动对场景纹理贴图。

• Dream Textures 代码库地址：
  https://github.com/carson-katri/dream-textures/releases/tag/0.0.9

❝

注：3D 对象有多种表征形式：显式 (explicit representation) 包括网格、体素、点云等，可以进行贴图、渲染、合成虚拟视角等；隐式 (implicit representation) 通常使用函数映射来描述，NeRF 就是一种可以合成虚拟视角的隐式表征。

除 CLIPMatrix 和 CLIP-Mesh-SMPLX 之外，上述大部分方法或基于视图合成 (view synthesis) 生成 3D 对象，或生成特定主体的新视角，这就是 NeRF (Neural Radiance Fields，神经辐射场) 背后的思想。NeRF 使用神经网络来做视图合成，这与传统 3D 渲染方法 (网格、UV 映射、摄影测量等) 有较大差异。

NVIDIA 关于 NeRF (Neural Radiance Fields，神经辐射场) 的文章： 
https://developer.nvidia.com/blog/getting-started-with-nvidia-instant-nerfs/

那么，这些技术为游戏开发者带来了多少可能性? 我认为 现阶段 是零，实际上它还没有发展到可用于游戏开发的程度。下面我会说明原因。

现阶段不可行的原因

注意： 此部分面向熟悉传统 3D 渲染技术 (如网格，UV映射，和摄影测量) 的读者。

网格是大部分 3D 世界的运行基石。诸如 NeRFs 的视图合成技术虽然效果非常惊艳，但现阶段却难以兼容网格。不过 NeRFs 转换为网格方向的工作已经在进行中，这部分的工作与摄影测量有些类似，摄影测量是对现实世界特定对象采集多张图像并组合起来，进而制作网格化的 3D 模型素材。

NeRFs 转换为网格的仓库地址：
https://github.com/NVlabs/instant-ngp

既然基于神经网络的 文本-NeRF-网格和摄影测量的采图-组合-网格两者的 3D 化流程有相似之处，同样他们也具有相似的局限性：生成的 3D 网格素材不能直接在游戏中使用，而需要大量的专业知识和额外工作才能使用。因此我认为，NeRF-网格可能是一个有用的工具，但现阶段并未显示出 文本-3D 的变革潜力。

还拿摄影测量类比，目前 NeRF-网格 最适合的场景同样是创建超高保真模型素材，但实际上这需要大量的人工后处理工作，因此这项技术用在 5 天创建一个农场游戏系列中没有太大意义。为保证游戏开发顺利进行，对于需要有差异性的多种农作物 3D 模型，我决定仅使用颜色不同的立方体加以区分。

不过 AI 领域的变革非常迅速，可能很快就会出现可行的解决方案。在下文中，我将讨论 文本-3D 的一些发展方向。

文本-3D 的未来发展

虽然 文本-3D 领域最近取得了长足进步，但与现阶段 文本-2D 的影响力相比，仍有显著的差距。对于如何缩小这个差距，我这里推测两个可能的方向：

1. 改进 NeRF-网格 和网格生成 (将连续的几何空间细分为离散的网格拓扑单元) 技术。如上文提到的，现阶段 NeRF 生成的 3D 模型需要大量额外的工作才能作为游戏素材使用，虽然这种方法在创建高保真模型素材时非常有效，但它是以大量时间开销为代价的。如果您跟我一样使用 low-poly (低多边形) 美术风格来开发游戏，那么对于从零开始制作 3D 素材，您可能会偏好更低耗时的方案。

2. 更新渲染技术：允许 NeRF 直接在引擎中渲染。虽然没有官方公告，不过从 Nvidia Omniverse 和 Google DreamFusion3d 推测，有许多开发者正在为此努力。

• Nvidia Omniverse 官方网站：
  https://www.nvidia.com/en-us/omniverse/

• Google DreamFusion3d 项目主页：
  https://dreamfusion3d.github.io/

时间会给我们答案。如果您想跟上最新进展，可以在 Twitter 上关注我查看相关动态。如果我错过了哪些新进展，也可以随时与我联系！

敬请期待第 4 部分的分享，我将为您介绍如何 使用 AI 制作 2D 素材。

致谢

感谢 Poli @multimodalart 提供的最新开源 文本-3D 信息。

英文原文: https://huggingface.co/blog/ml-for-games-3

原文作者: Dylan Ebert, Hugging Face 工程师

中文译者: SuSung-boy (苏桑)，经常倒腾图像的工业视觉算法工程师。