传媒行业GenAI之四十二：李飞飞空间智能谷歌Genie2，AI3D再突破.pdfVIP

行业点评

1．AI3D：向混合3D路径迈进，世界模型有新

进展，嵌入3D资产生产各环节

目前看，AI3D生成工具仍在技术快速进步期。从技术路径来看，23H2后混合3D

路径正成为AI3D工具重要进步方向，一定程度上缓解了AI3D高质量数据集匮乏难题。

2D升维方法：可通过多张图像或视频，以NeRF等方法升维生成3D模型，以隐式

表征为主。23年7月高斯溅射方法发表，可实现实时渲染以及快速光栅化，前沿研究仍

在快速迭代。2D升维方法可基于丰富的图像数据集，数据上较为丰富，但在生成质量、

生成速度、算力消耗上表现有不足。

原生3D方法：基于3D数据集进行训练和推理。通常使用Transformer和

Diffusion等方法，此前以显式表征为主（网格、体素、点云等），Shap-E等少数模型使

用隐式表征（使用连续函数表征三维体素）。原生3D方法具备生成速度快、生成质量高、

兼容性好的优点；但高质量3D数据集十分匮乏，生成内容的多样性受限，当前3D数据

集仍在加快补足。Adobe于23年11月推出LRM项目《LRM:LargeReconstruction

ModelforSingleImageto3D》为原生3D方法的重要玩家。

混合3D方法：旨在解决原生3D方法数据集匮乏的难题，为当下3D大模型前沿的

技术方向，相关工具生成质量提升较快。在必威体育精装版的混合3D路径中，大模型研发人员将

3D信息注入预训练的2D模型，例如，通过多视角图像微调StableDiffusion模型，使

其能够生成稳定、一致的3D模型。该路径一方面解决了2D升维方法中提取的3D信息

量较低的问题，另一方面解决了3D高质量数据集匮乏的问题，近年来出现众多围绕混合

3D的工作。目前混合3D的代表玩家包括字节跳动、Adobe、META等。

图1：混合3D正成为AI3D工具重要进步方向

请务必仔细阅读正文之后的各项信息披露与声明第2页共16页简单金融成就梦想

行业点评

资料来源：《AComprehensiveSurveyon3DContentGeneration》，申万宏源研究

AI3D时代，3D模型的边际生产成本极大幅度降低，较大程度上消除了成本、人力

侧的限制，推动内容生产向3D升维。

3D模型生产效率提升，抬高内容生产质量。3D资产生产周期长、高度依赖人工，AI

3D时代核心生产要素将从人力变更为算力，内容生产厂商可实现在低边际生产成本条件

下增加3D内容，实现高质量、大规模3D内容生产。内容创作门槛降低，揭开UGC时代

序幕。AI3D工具可以简化3D内容生产流程，例如可视化内容编辑器可替代传统引擎，

用户可以通过拖拽开发模块、文字描述等完成内容创作，玩家可从内容消费者转变为内容

创作者，全民创作的UGC时