Forwarded from Секреты Анимации 2.0
🐢Разбор лицевой анимации у черепахи??? А почему бы и нет:) Новое видео уже на канале! https://youtu.be/dPRsmS7OMWM
YouTube
Лицевая анимация пресмыкающихся | Фильм Лео | Секреты анимации
Телеграм канал: https://t.iss.one/AnimSecrets
Запись на курсы анимации: https://animationschool.ru/teachers/arsenii-turgulainen/
Консультации и сотрудничество: [email protected]
#анимация #урок #обучение #школа #3данимация #курсы #арсений
Запись на курсы анимации: https://animationschool.ru/teachers/arsenii-turgulainen/
Консультации и сотрудничество: [email protected]
#анимация #урок #обучение #школа #3данимация #курсы #арсений
Forwarded from Чёрный Треугольник (Черный Треугольник)
This media is not supported in your browser
VIEW IN TELEGRAM
☝🏻Исследователи MIT научили генеративный ИИ оптимизировать сгенерированные 3D-модели под реальные условия эксплуатации
Главная проблема генеративных 3D-моделей известна давно: они могут создать красивый стул по текстовому запросу, но если его напечатать на 3D-принтере, он развалится под весом человека.
Генеративный ИИ просто не понимает физику — тонкие перемычки, отсоединённые элементы, неудачные точки нагрузки делают объекты непригодными для реального использования.
☝🏻В MIT разработали PhysiOpt, систему которая встраивает физическое моделирование прямо в процесс генерации.
Пользователь вводит текстовый запрос или загружает изображение, указывает материал (пластик, дерево и т.д.), задаёт нагрузки и условия — например, что крючок должен выдерживать куртку, а чашка стоять на столе.
Примерно за 30 секунд система выдаёт готовый к печати 3D-объект.
Под капотом PhysiOpt запускает метод конечных элементов — классический инженерный инструмент для стресс-тестирования конструкций.
Система генерирует тепловую карту слабых мест модели и итеративно корректирует геометрию, сохраняя при этом общий внешний вид и замысел дизайна.🔧
☝🏻Ключевое отличие от существующих подходов — PhysiOpt оптимизирует форму напрямую в латентном пространстве генеративной модели, а не работает с отдельными вершинами меша.
Это даёт семантически осмысленные изменения: система понимает, что утолщает "ножку стула", а не просто двигает точки в пространстве.
Такой подход оказался почти в 10 раз быстрее за итерацию и при этом генерирует более реалистичные объекты.⚡️
☝🏻☝🏻Важный момент — PhysiOpt не требует дополнительного обучения. Система работает с предобученными моделями (DeepSDF, TRELLIS и другие), используя их "знание форм" как основу.
Это позволяет подключать любимый 3D-генератор и сразу получать физически жизнеспособный результат.
Код проекта открыт на GitHub под лицензией MIT, для работы нужна видеокарта NVIDIA с 16+ ГБ видеопамяти (рекомендуется 24 ГБ, например RTX 4090).
Главная проблема генеративных 3D-моделей известна давно: они могут создать красивый стул по текстовому запросу, но если его напечатать на 3D-принтере, он развалится под весом человека.
Генеративный ИИ просто не понимает физику — тонкие перемычки, отсоединённые элементы, неудачные точки нагрузки делают объекты непригодными для реального использования.
☝🏻В MIT разработали PhysiOpt, систему которая встраивает физическое моделирование прямо в процесс генерации.
Пользователь вводит текстовый запрос или загружает изображение, указывает материал (пластик, дерево и т.д.), задаёт нагрузки и условия — например, что крючок должен выдерживать куртку, а чашка стоять на столе.
Примерно за 30 секунд система выдаёт готовый к печати 3D-объект.
Под капотом PhysiOpt запускает метод конечных элементов — классический инженерный инструмент для стресс-тестирования конструкций.
Система генерирует тепловую карту слабых мест модели и итеративно корректирует геометрию, сохраняя при этом общий внешний вид и замысел дизайна.🔧
☝🏻Ключевое отличие от существующих подходов — PhysiOpt оптимизирует форму напрямую в латентном пространстве генеративной модели, а не работает с отдельными вершинами меша.
Это даёт семантически осмысленные изменения: система понимает, что утолщает "ножку стула", а не просто двигает точки в пространстве.
Такой подход оказался почти в 10 раз быстрее за итерацию и при этом генерирует более реалистичные объекты.⚡️
☝🏻☝🏻Важный момент — PhysiOpt не требует дополнительного обучения. Система работает с предобученными моделями (DeepSDF, TRELLIS и другие), используя их "знание форм" как основу.
Это позволяет подключать любимый 3D-генератор и сразу получать физически жизнеспособный результат.
Код проекта открыт на GitHub под лицензией MIT, для работы нужна видеокарта NVIDIA с 16+ ГБ видеопамяти (рекомендуется 24 ГБ, например RTX 4090).