Point-E هو حل OpenAI الجديد الذي ينشئ صورًا ثلاثية الأبعاد

وسّعت OpenAI قدرات برنامجها لتحويل النصوص إلى صور من بُعدين إلى ثلاثة أبعاد بإصدار Point-E، وهو برنامج ذكاء اصطناعي يُنشئ صورًا ثلاثية الأبعاد من النصوص المُدخلة. ووفقًا لوثيقة نُشرت مع قاعدة البيانات البرمجية، لا يتطلب Point-E جهاز كمبيوتر عالي المواصفات للتشغيل، ويمكنه إنشاء نموذج في أقل من دقيقتين باستخدام وحدة معالجة رسومية واحدة من نوع Nvidia V100.

من خلال هذا يمكننا أن نرى أن مولدات النماذج ثلاثية الأبعاد يمكن أن تكون الاختراق التالي الذي سيأخذ عالم الذكاء الاصطناعي عن طريق العاصفة. كانت شركة OpenAI نشطة للغاية هذا العام ، حيث تحدثنا هنا على المدونة على سبيل المثال عن الشركة في مشروعيها الرئيسيين: Dall-E 3 و ChatGPT.

بفضل منصتي الذكاء الاصطناعي العملاقتين هاتين، ساعدت الشركة في توليد صور ونصوص طويلة من رسالة نصية بسيطة، وها هي تعود الآن بمفهوم ثالث، أطلقته قبيل عيد الميلاد لإثارة ضجة إعلامية. هذا المفهوم الثالث، المسمى Point-E، يتبع نمطًا مشابهًا، حيث يُنشئ محتوى ثلاثي الأبعاد من خلال إدخالات بسيطة.

تم الإعلان عن Point-E في مقال بحثي نشره فريق OpenAI، ويعمل على مرحلتين: أولاً يستخدم الذكاء الاصطناعي لتحويل النص إلى صورة لتحويل طلبك اللفظي إلى صورة، ثم يستخدم وظيفة ثانية لتحويل هذه الصورة إلى نموذج ثلاثي الأبعاد.

برنامج Point-E مفتوح المصدر، وشفرة المصدر متاحة على GitHub . مع ذلك، قد يكون البدء باستخدامه صعبًا بعض الشيء، إذ يحتاج المستخدمون إلى إلمام معقول بأدوات سطر الأوامر، كما يجب تثبيت لغة بايثون على النظام، على عكس ChatGPT، حيث يمكن للمستخدمين التسجيل على موقع ويب واختبار مهاراتهم.

لا يقوم برنامج Point-E بإنشاء كائنات ثلاثية الأبعاد بالمعنى التقليدي؛ بل يقوم بإنشاء سحب نقاط، أي مجموعات منفصلة من نقاط البيانات في الفضاء التي تمثل شكلاً ثلاثي الأبعاد، ومن هنا جاء الاختصار الساخر.

(يشير الحرف "E" في Point-E إلى "الكفاءة" حيث يبدو أنه أسرع من الأساليب السابقة لعرض الكائنات ثلاثية الأبعاد.) وفقًا للمطورين ، فإن تجميع السحب النقطية أسهل من الناحية الحسابية ، لكنها لا تلتقط الشكل أو الملمس الدقيق للكائن ، وهو ما يمثل قيدًا رئيسيًا على Point-E حاليًا.

للتغلب على هذا القيد ، قام فريق Point-E بتدريب نظام ذكاء اصطناعي إضافي لتحويل سحب النقاط الخاصة بـ Point-E إلى شبكات ثلاثية الأبعاد. (الشبكات - وهي عبارة عن مجموعات من الرؤوس والحواف والوجوه التي تحدد شكل الجسم - شائعة الاستخدام في النمذجة والتصميم ثلاثي الأبعاد). لكن الباحثين أشاروا في ورقتهم البحثية إلى أن النموذج قد يغفل أحيانًا أجزاءً من الأجسام ، مما يؤدي إلى أشكال مشوهة أو غير مكتملة. بالإضافة إلى نموذج توليد الشبكة، وهو نموذج مستقل بذاته، يتكون Point-E من نموذجين: نموذج نصي-صوري ونموذج صورة ثلاثية الأبعاد.

تم تدريب نموذج تحويل النص إلى صورة، على غرار أنظمة توليد الأعمال الفنية مثل DALL-E 2 و Stable Diffusion، على صور مصنفة لفهم الروابط بين الكلمات والمفاهيم البصرية . أما نموذج الصورة ثلاثية الأبعاد، فقد تم تزويده بمجموعة من الصور المرتبطة بأجسام ثلاثية الأبعاد ليتعلم كيفية ترجمة كليهما بفعالية. فعند إدخال رسالة نصية، على سبيل المثال، "ترس قابل للطباعة ثلاثية الأبعاد، ترس واحد قطره 7 سم وسمكه 1 سم"، يقوم نموذج تحويل النص إلى صورة في Point-E بإنشاء جسم اصطناعي مُجسّم، ثم يُمرر هذا الجسم إلى نموذج الصورة ثلاثية الأبعاد.

ثم يولد الأخير سحابة من النقاط. بعد تدريب النماذج على مجموعة بيانات تتكون من "عدة ملايين" من الكائنات ثلاثية الأبعاد والبيانات الوصفية المرتبطة بها ، تمكنت Point-E من إنتاج غيوم نقطية ملونة تتطابق بشكل متكرر مع مطالبات النص ، كما يقول باحثو OpenAI. ليس مثاليًا: نموذج الصورة ثلاثية الأبعاد لـ Point-E لا يفهم أحيانًا الصورة من نموذج الصورة النصية ، مما ينتج عنه شكل لا يتطابق مع الرسالة النصية. ومع ذلك ، فهي أسرع بكثير من الحالة السابقة ، على الأقل وفقًا لفريق OpenAI.

والنتيجة بعيدة عن الوصول إلى جودة عرض ثلاثي الأبعاد تجاري في فيلم أو لعبة فيديو. لكن ليس من المفترض أن تكون كذلك. بمجرد إدخالها في تطبيق ثلاثي الأبعاد مثل Blender ، يمكن تحويلها إلى شبكات منسوجة تبدو أشبه بالصور ثلاثية الأبعاد العادية.

يوضح باحثو OpenAI في الورقة التي تصف المشروع: "على الرغم من أن طريقتنا لا تزال غير كافية من حيث جودة أخذ العينات ، إلا أنها أسرع بمقدار واحد أو اثنين من حيث الحجم ، وهو حل وسط عملي لبعض حالات الاستخدام".

وأخيرًا، إذا كنت مهتمًا بمعرفة المزيد عن Point-E أو شفرة المصدر، يمكنك العثور على التفاصيل في الرابط التالي.