नवम्बर 21/2022

Nvidia ने Magic3D का अनावरण किया, जो एक उपन्यास टेक्स्ट-टू-3D सामग्री निर्माता है

प्रकाशित: 21 नवंबर, 2022 सुबह 10:15 बजे अपडेट किया गया: 21 नवंबर, 2022 सुबह 9:25 बजे

संक्षेप में

डिजाइनरों को तेजी से 3डी सामग्री बनाने में मदद करने के लिए एनवीडिया ने मैजिक3डी लॉन्च किया

Nvidia है की घोषणा Magic3D, एक टेक्स्ट-टू-3D सामग्री निर्माता सॉफ्टवेयर। सॉफ्टवेयर वस्तुओं के पाठ विवरण को त्रि-आयामी (3डी) डिजिटल मॉडल में बदल देता है। सॉफ्टवेयर एक तंत्रिका नेटवर्क पर आधारित है जिसे 3डी मॉडल के बड़े डेटासेट पर प्रशिक्षित किया गया है। यह उत्पन्न एकल 3D छवि या 2D छवियों की श्रृंखला से 2D मॉडल।

एनवीडिया ने मैजिक3डी: टेक्स्ट-टू-3डी कंटेंट क्रिएटर सॉफ्टवेयर की घोषणा की

Magic3D एक नया टेक्स्ट-टू-3D सामग्री निर्माण उपकरण है जो उच्च-गुणवत्ता वाले 3D मेश मॉडल तैयार करता है। हम उपयोगकर्ताओं को 3डी संश्लेषण को नियंत्रित करने के नए तरीके प्रदान करते हैं, छवि कंडीशनिंग तकनीकों और एक त्वरित-आधारित संपादन दृष्टिकोण के संयोजन से विभिन्न रचनात्मक अनुप्रयोगों के लिए नए रास्ते खोलते हैं। टेक्स्ट इनपुट प्रॉम्प्ट से, Magic3D उच्चतम गुणवत्ता के 3D टेक्सचर्ड मेश मॉडल तैयार कर सकता है। यह निम्न- और उच्च-रिज़ॉल्यूशन प्रसार प्राथमिकताओं को मिलाकर लक्ष्य सामग्री के 3डी प्रतिनिधित्व को सीखने के लिए मोटे-से-ठीक तकनीक का उपयोग करता है। Magic3D, DreamFusion की तुलना में दोगुनी तेज़ी से 3D सामग्री बनाता है और आठ गुना बेहतर रिज़ॉल्यूशन निरीक्षण करता है।

डेवलपर मोटे मॉडल को उत्पन्न करने वाले अंतर्निहित टेक्स्ट प्रॉम्प्ट के अंशों को बदल सकते हैं, फिर एक संपादित उच्च-रिज़ॉल्यूशन 3D मेश बनाने के लिए NeRF और 3D मेश मॉडल को फ़ाइन-ट्यून कर सकते हैं।

यह प्रदान किए गए 3D मॉडल को अनुकूलित कर सकता है संकेत देता है और प्रसार को ठीक करता है ड्रीमबुथ वाले मॉडल ने किसी विषय उदाहरण के लिए इनपुट तस्वीरें दी हैं। 3डी मॉडल विषय की पहचान को प्रभावी ढंग से संरक्षित कर सकते हैं।

यह प्रदान किए गए संकेतों के साथ 3डी मॉडल को अनुकूलित कर सकता है और किसी विषय उदाहरण के लिए ड्रीमबूथ द्वारा दिए गए इनपुट फोटोग्राफ के साथ प्रसार मॉडल को ठीक कर सकता है। 3डी मॉडल विषय की पहचान को प्रभावी ढंग से संरक्षित कर सकते हैं।

एआई टेक्स्ट-टू-3डी सामग्री का उत्पादन करने के लिए दो-चरण मोटे-से-बारीक अनुकूलन प्रणाली का उपयोग करता है जो त्वरित और उत्कृष्ट गुणवत्ता दोनों है। पहले चरण में, यह एक मोटे मॉडल का निर्माण करने से पहले कम-रिज़ॉल्यूशन प्रसार का उपयोग करता है, जिसे हम हैश ग्रिड और विरल त्वरण संरचना का उपयोग करके तेज करते हैं। दूसरे चरण में, मॉडल एक बनावट वाले जाल मॉडल को नियोजित करता है जिसे उच्च-रिज़ॉल्यूशन अव्यक्त का उपयोग करके अनुकूलन को सक्षम करने के लिए मोटे तंत्रिका प्रतिनिधित्व से आरंभ किया जाता है। प्रसार मॉडल एक प्रभावी विभेदक रेंडरर के साथ संयोजन में।

अधिक पढ़ें:

टैग:

Disclaimer

साथ लाइन में ट्रस्ट परियोजना दिशानिर्देश, कृपया ध्यान दें कि इस पृष्ठ पर दी गई जानकारी का कानूनी, कर, निवेश, वित्तीय या किसी अन्य प्रकार की सलाह के रूप में व्याख्या करने का इरादा नहीं है और न ही इसकी व्याख्या की जानी चाहिए। यह महत्वपूर्ण है कि केवल उतना ही निवेश करें जितना आप खो सकते हैं और यदि आपको कोई संदेह हो तो स्वतंत्र वित्तीय सलाह लें। अधिक जानकारी के लिए, हम नियम और शर्तों के साथ-साथ जारीकर्ता या विज्ञापनदाता द्वारा प्रदान किए गए सहायता और समर्थन पृष्ठों का संदर्भ लेने का सुझाव देते हैं। MetaversePost सटीक, निष्पक्ष रिपोर्टिंग के लिए प्रतिबद्ध है, लेकिन बाज़ार की स्थितियाँ बिना सूचना के परिवर्तन के अधीन हैं।

के बारे में लेखक

दामिर टीम लीडर, उत्पाद प्रबंधक और संपादक हैं Metaverse Postएआई/एमएल, एजीआई, एलएलएम, मेटावर्स और जैसे विषयों को कवर करता है Web3-संबंधित क्षेत्रों। उनके लेख हर महीने दस लाख से अधिक उपयोगकर्ताओं को आकर्षित करते हैं। ऐसा प्रतीत होता है कि वह SEO और डिजिटल मार्केटिंग में 10 वर्षों के अनुभव वाला एक विशेषज्ञ है। दामिर का उल्लेख मैशबल, वायर्ड, में किया गया है Cointelegraph, द न्यू यॉर्कर, Inside.com, एंटरप्रेन्योर, BeInCrypto, और अन्य प्रकाशन। वह एक डिजिटल खानाबदोश के रूप में संयुक्त अरब अमीरात, तुर्की, रूस और सीआईएस के बीच यात्रा करता है। दामिर ने भौतिकी में स्नातक की डिग्री हासिल की, उनका मानना है कि इससे उन्हें इंटरनेट के लगातार बदलते परिदृश्य में सफल होने के लिए आवश्यक महत्वपूर्ण सोच कौशल प्राप्त हुआ है।

और अधिक लेख

दामिर यालालोव