ايتنا - هوش مصنوعی World Labs: خلق صحنه‌های سه‌بعدی تعاملی از یک عکس!

شرکت استارتاپی World Labs، که توسط پیشگام هوش مصنوعی فی-فی لی (Fei-Fei Li) تأسیس شده است، از پروژه جدید و هیجان‌انگیز خود رونمایی کرده است: یک سیستم هوش مصنوعی که می‌تواند صحنه‌های سه‌بعدی تعاملی را تنها از یک عکس تولید کند.

این سیستم به کاربران این امکان را می‌دهد که به دنیای سه‌بعدی وارد شوند و آن را کاوش کنند. در وبلاگ World Labs آمده است: «تکنولوژی ما به شما اجازه می‌دهد تا به هر تصویری قدم بگذارید و آن را در دنیای سه‌بعدی بررسی کنید. همه چیز فراتر از تصویر تولید می‌شود».

صحنه‌های تولید شده توسط این هوش مصنوعی، علیرغم اینکه کمی کارتونی به نظر می‌رسند، بسیار چشمگیر و جذاب هستند. این صحنه‌ها به صورت زنده در مرورگر ارائه می‌شوند و دارای دوربین قابل کنترل با عمق میدان شبیه‌سازی شده هستند. هر چه عمق میدان بیشتر باشد، اشیای پس‌زمینه مبهم‌تر به نظر می‌رسند.

World Labs بخشی از یک دسته‌بندی جدید از هوش مصنوعی به نام «مدل‌های جهانی» است. این مدل‌ها قادر به شبیه‌سازی بازی‌ها و محیط‌های سه‌بعدی هستند، اما معمولاً با مشکلات کیفیت و سازگاری مواجه‌اند. در حالی که مدل‌های دیگر ممکن است به سرعت چیدمان سطوح را فراموش کنند، World Labs تضمین می‌کند که صحنه‌ها پس از تولید، ثابت باقی بمانند و قوانین فیزیک را رعایت کنند.

این سیستم همچنین امکان افزودن افکت‌های تعاملی و انیمیشن‌هایی مانند تغییر رنگ اشیاء و نورپردازی پویا را فراهم می‌کند.
World Labs اعلام کرده است: «تولید محتوای سه‌بعدی کنترل و ثبات بیشتری را به ارمغان می‌آورد و این موضوع نحوه ساخت فیلم‌ها، بازی‌ها و دیگر تجلیات دیجیتال دنیای ما را تغییر خواهد داد. »

این مدل هوش مصنوعی هنوز جای پیشرفت وجود دارد؛ به طور مثال برخی صحنه‌ها کاملاً قابل کاوش نیستند و گاهی خطاهای رندرینگ رخ می‌دهد. اما World Labs تأکید کرده که این تنها یک «پیش‌نمایش اولیه» است و در حال کار بر روی بهبودهای بیشتر است.

World Labs امیدوار است که با جذب ۲۳۰ میلیون دلار سرمایه از سوی سرمایه‌گذاران معتبر، محصول اول خود را در سال ۲۰۲۵ آماده کند. هدف این شرکت ایجاد ابزارهایی برای هنرمندان، طراحان و توسعه‌دهندگان است تا دنیای مجازی تعاملی بسازند.

جاستین جانسون، یکی از بنیانگذاران این شرکت، خاطرنشان می‌کند: «مدل‌های جهانی به شما اجازه می‌دهند تا نه تنها یک تصویر یا ویدئو دریافت کنید بلکه یک جهان سه‌بعدی زنده و تعاملی داشته باشید.»