การสร้างแบบจำลองแบบดั้งเดิมหรือ AI เชิงสร้างสรรค์
เลือกการสร้างโมเดล 3 มิติแบบดั้งเดิมเมื่อข้อกำหนดต้องการการควบคุมที่แพลตฟอร์มเจเนอเรทีฟไม่มีให้
ภาพรวม
การตัดสินใจเลือกแนวทางระหว่างการสร้างโมเดลแบบดั้งเดิมกับ generative AI ขึ้นอยู่กับตัวกระตุ้นที่ชัดเจน: โทโพโลยีที่เข้มงวดพร้อมงบจำนวนโพลิกอนที่แน่นอน ภาพระยะใกล้ของตัวเอกหรือการเก็บรายละเอียดแอนิเมชันขั้นสุดท้ายที่ต่อรองไม่ได้ หรือริกที่ซับซ้อนและไม่ใช่มนุษย์ แบบประเมินความเหมาะสมด้วยคำถามห้าข้อจะชั่งน้ำหนักการควบคุม ความเร็ว และงานแก้ไขซ้ำ และ generative AI ก็มีบทบาทบนแผนผังเดียวกันด้วยการเลื่อนการตัดสินใจปฏิเสธให้เร็วขึ้น ไปยังจุดที่ต้นทุนต่ำที่สุด
คู่มือนี้จะพาคุณสำรวจการตัดสินใจเลือกเส้นทาง กรณีทั้งเก้ากรณีของฝั่งดั้งเดิม จุดที่การสร้างช่วยประหยัดได้จริง และคำกล่าวอ้างเรื่องความเร็วใดที่ควรเชื่อถือ คุณทำงานอยู่ในไปป์ไลน์ 3D อยู่แล้ว คำถามที่ยังเปิดอยู่คือการสร้างเข้ามาอยู่ตรงไหน
การเข้าถึงเทียบกับการควบคุม
การเปรียบเทียบโมชันแคปเจอร์ที่เผยแพร่แล้วจัดกรอบทางเลือกว่าเป็นเรื่องของการเข้าถึงเทียบกับการควบคุม: เส้นทางที่เหมาะสมขึ้นอยู่กับขั้นตอนการผลิต เป้าหมายด้านความแม่นยำ และงบประมาณสำหรับการเก็บงาน ไม่ใช่อายุของเครื่องมือ การแคปเจอร์ด้วย AI เป็นชั้นการเข้าถึงที่ลดอุปสรรคในการเริ่มต้น; การแคปเจอร์แบบดั้งเดิมเป็นชั้นการควบคุมที่กำกับการปรับเทียบ การติดตาม ความครอบคลุม และการถ่ายซ้ำ เมื่อนำไปใช้กับการสร้างโมเดล การสร้างเป็นเส้นทางที่มีอุปสรรคในการเริ่มต้นต่ำเพื่อให้ได้ตัวเลือกที่พร้อมตรวจสอบ ขณะที่เครื่องมือ DCC แบบดั้งเดิม เช่น Blender หรือ Maya มีการควบคุมที่ตัดสินว่าแอสเซ็ตจะพร้อมส่งมอบหรือไม่
คำถามที่มีประโยชน์คือ แนวทางนี้เหมาะกับแอสเซ็ตนี้ ริกนี้ และงบประมาณสำหรับการเก็บงานนี้หรือไม่ จุดตรวจสอบห้าข้อเปลี่ยนความเหมาะสมให้เป็นการตัดสินใจ: ต้องส่งมอบเวอร์ชันต่างๆ เร็วแค่ไหน รูปลักษณ์ที่อนุมัติแล้วเข้มงวดเพียงใด UVs ต้องผ่านการตรวจสอบหรือไม่ แอสเซ็ตนี้จะเข้าสู่เอนจินหรือไม่ และใครเป็นผู้อนุมัติแอสเซ็ตขั้นสุดท้าย
เกณฑ์สี่ประการที่ใช้ในการเปรียบเทียบ
| เกณฑ์ | การสร้างแบบจำลองแบบดั้งเดิม | AI เชิงสร้างสรรค์ |
|---|---|---|
| การควบคุม | ศิลปินวางลูปและจุดหมุนทุกจุด | ไม่มีการรับประกันสำหรับเมชที่สร้างขึ้น |
| ความแม่นยำ | ค่าความคลาดเคลื่อนและการเสียรูปที่แม่นยำและผ่านการตรวจสอบแล้ว | ค่าประมาณที่ต้องตรวจสอบ |
| ความเร็วในการทำซ้ำ | ช้ากว่า, คิดค่าบริการตามชั่วโมงผู้เชี่ยวชาญ | ผู้สมัครเข้ามาโดยไม่มีงานค้าง |
| ความเสี่ยงในการทำงานซ้ำ | คาดเดาได้ แก้ไขได้ด้วยมือศิลปิน | ข้อบกพร่องที่ซ่อนอยู่อาจปรากฏขึ้นขณะนำเข้า |
เก้ากรณีที่เวิร์กโฟลว์แบบดั้งเดิมชนะ
เนื้อหาเวิร์กโฟลว์ระบุเก้าสถานการณ์ที่การสร้างด้วย AI ไม่ได้ช่วยประหยัดค่าใช้จ่ายอีกต่อไป โดยแต่ละสถานการณ์เชื่อมโยงกับมิติที่เวิร์กโฟลว์แบบดั้งเดิมยังได้เปรียบ เมื่อรวมงานแก้ไขซ้ำแล้ว ผู้เชี่ยวชาญที่ใช้ซอฟต์แวร์แบบดั้งเดิมอาจเป็นตัวเลือกที่ประหยัดกว่า สำหรับวัตถุทั่วไปในสไตล์ทั่วไป ให้ตรวจสอบแอสเซ็ตสต็อกก่อน
กรณีของฝ่ายดั้งเดิมทั้งเก้าประการ
| โทโพโลยีแบบเคร่งครัด | การเสียรูปเป็นไปตามการไหลของขอบที่การปั้นโมเดลด้วยมือหรือการทำรีโทโพโลยีควบคุมได้โดยตรง; เมชที่สร้างขึ้นไม่มีการรับประกันเช่นนั้น. |
|---|---|
| งบประมาณโพลิกอนที่แน่นอน | งบประมาณประสิทธิภาพบนฮาร์ดแวร์ที่เลือกจะคำนวณเป็นจำนวนโพลิกอนและเก็บแยกไว้ทีละลูป |
| เชดเดอร์แบบกำหนดเอง | วัสดุที่สร้างจากเครือข่ายการแรเงาที่ปรับแต่งด้วยมือจะอยู่นอกเหนือผลลัพธ์ที่ระบบสร้างขึ้น |
| ริกใบหน้าที่ซับซ้อน | รูปทรงผสมและรูปทรงแก้ไขเป็นไปตามแผนทางกายวิภาคที่ศิลปินออกแบบและปรับแก้ |
| โครงกระดูกที่ไม่ใช่มนุษย์ | ริกที่สร้างขึ้นมามักมีโครงสร้างใกล้เคียงมนุษย์ ดังนั้นหนวดและโซ่จักรกลจึงต้องใช้โครงกระดูกแบบกำหนดเอง. |
| พฤติกรรมการทำลายได้ | ชิ้นส่วนการแตกหัก พร็อกซีฟิสิกส์ และการเปลี่ยนสถานะได้รับการจัดทำขึ้นอย่างตั้งใจ |
| การสแนปแบบโมดูลาร์ | ระบบ Kitbash ต้องมีจุดหมุน สเกล และซ็อกเก็ตที่สม่ำเสมอกันตลอดทั้งชุด |
| คุณภาพภาพหลักระยะใกล้ | ความต่อเนื่องของซิลูเอตและพื้นผิวภายใต้การตรวจสอบด้วยกล้องเกิดจากรอบการปรับแต่งที่ควบคุมอย่างเป็นระบบ |
| ปรับแต่งแอนิเมชันขั้นสุดท้าย | การแก้ไขการเสียรูปได้รับการปรับปรุงซ้ำแล้วซ้ำเล่าภายใต้การดูแลของแอนิเมเตอร์ |
ใช้ AI เชิงสร้างสรรค์เมื่อความหลากหลายเป็นประโยชน์
เมื่อชิ้นงานต้องการแนวทางด้านภาพที่ปรับแต่งเฉพาะ การสร้างตัวเลือกหลากหลายแบบ หรือคำตอบด้านการออกแบบที่รวดเร็ว AI เชิงสร้างสรรค์ก็ช่วยเพิ่มคุณค่าในจุดที่การสร้างแบบจำลองด้วยมือทำได้ยากให้ทันตามกำหนดเวลา ข้อจำกัดสำคัญประการหนึ่งในการพิมพ์ยังคงอยู่: ชิ้นส่วนที่ใช้งานจริงซึ่งมีค่าความคลาดเคลื่อนต่ำ อินเทอร์เฟซทางกล หรือข้อกำหนดด้านความปลอดภัย โดยทั่วไปยังคงต้องใช้ CAD หรือเครื่องมือที่มีความแม่นยำอื่น ไม่ว่าจะสร้างเมชร่างด้วยวิธีใดก็ตาม
จุดที่ AI เชิงสร้างสรรค์ช่วยประหยัดได้จริง
เหตุผลด้านต้นทุนที่มีการบันทึกไว้ระบุว่า การประหยัดจากการสร้างอยู่ที่การคัดเลือกตัวเลือก: ปฏิเสธแนวคิดที่อ่อนก่อนการเก็บรายละเอียด ไม่ใช่จากการตัดงาน topology, การปรับให้เหมาะสม, การทดสอบเอนจิน, การตรวจทานทางศิลป์ หรือการตรวจสอบสิทธิ์ออก ทุกขั้นตอนที่ระบุไว้ยังคงเกิดขึ้นกับแอสเซ็ตทุกชิ้นที่นำส่ง; การสร้างเปลี่ยนแปลงปริมาณ เนื่องจากตัวเลือกมาถึงอย่างรวดเร็วและแนวทางที่ไม่ผ่านถูกคัดออก รอบการทำงานแบบดั้งเดิมสงวนไว้สำหรับตัวเลือกที่เหลือรอด
วัสดุเดียวกันนี้กำหนดขอบเขต: การสร้างสามารถลดงานซ้ำๆ ในขั้นตอนแรกและทำให้การตัดสินใจในระยะแรกมีต้นทุนต่ำลง ขณะที่ศิลปินยังคงรับผิดชอบด้านสไตล์ การซ่อมแซมเรขาคณิต วัสดุ การเพิ่มประสิทธิภาพ คุณภาพแอนิเมชัน และการอนุมัติการผลิตขั้นสุดท้าย ทุกครั้งที่ส่งต่องานระหว่างเครื่องมือมีความเสี่ยงที่ข้อมูลจะสูญหาย ดังนั้นจงนับจำนวนครั้งที่แอสเซ็ตต้องผ่านการส่งต่อ
คำกล่าวอ้างเรื่องความเร็วหมายถึงอะไรจริงๆ
การเปรียบเทียบความเร็วมักขับเคลื่อนด้วยคำโฆษณามากกว่าการวัดผลจริง ตัวเลขฝั่งแบบดั้งเดิมเป็นข้อมูลเชิงคุณภาพ: โมเดลคุณภาพสูงอาจใช้เวลาหลายชั่วโมงหรือหลายวันในการสร้าง ขึ้นอยู่กับความซับซ้อนและความแม่นยำ ในกระบวนการทำงานหลายขั้นตอนด้วยซอฟต์แวร์ระดับมืออาชีพ การสร้างจะแทนที่ด้วยขั้นตอนการเลือกและซ่อมแซม และวัตถุที่ซับซ้อนหรือขึ้นอยู่กับความแม่นยำอาจยังต้องแก้ไขด้วยซอฟต์แวร์ระดับมืออาชีพ จับเวลาการสร้างชิ้นงานของคุณเอง นั่นคือการเปรียบเทียบที่ควรทำ
การใช้ด่านตรวจคาดการณ์ผลลัพธ์ได้ดีกว่าการหวังว่าเครื่องมือสร้างจะส่งมอบแอสเซ็ตฮีโร่ทุกชิ้นได้โดยไม่ต้องมีผู้ดูแล ด่านหยุดสี่ข้อทำให้แต่ละด่านเป็นรูปธรรม: หากรูปทรงไม่ผ่านเมื่อมองจากกล้องหลัก ให้หยุดก่อนทำเท็กซ์เจอร์; หากสัดส่วนไม่ถูกต้อง ให้หยุดก่อนทำริก; หากท่าเริ่มต้นไม่ผ่าน ให้หยุดก่อนทดสอบการเคลื่อนไหว; และหากการส่งออกต้องทำความสะอาดแก้ไขมากเกินไป ให้หยุดขัดเกลาคอนเซ็ปต์ที่มีแวว
จัดลำดับหลักฐานในลักษณะเดียวกัน หลักฐานที่ดีที่สุดคือการแก้ไขงานของคุณเองที่มีการคิดราคา โดยนับทีละรายการ สัญญาณที่อ่อนกว่าคือคำอธิบายเชิงคุณภาพว่าใช้เวลาหลายชั่วโมงหรือหลายวัน ซึ่งไม่มีการวัดผลใด ๆ ไม่ต้องสนใจตัวคูณทางการตลาดและคำกล่าวอ้างเรื่องการส่งมอบที่เกือบจะทันที ซึ่งไม่มีการวัดผลใดรองรับ
หนึ่งเส้นทางต่อแอสเซ็ต
หนึ่งเส้นทางต่อแอสเซ็ต
การเลือกระหว่างการสร้างแบบจำลองแบบดั้งเดิมกับ Generative AI ในเวิร์กโฟลว์การผลิต 3D
ไปป์ไลน์แบบผสม: สตูดิโอผสานทั้งสองแบบเข้าด้วยกันอย่างไร
ในหลากหลายสาขา รูปแบบเชิงปฏิบัติที่ปรากฏร่วมกันคือไปป์ไลน์แบบผสมที่สร้างจากเครื่องมือทั้งสองประเภท: การสร้างผลงานใช้สำรวจแนวทางตั้งแต่ระยะแรก ทีมคัดเลือกว่าแอสเซ็ตหรือกลุ่มวัสดุใดควรค่าแก่การพัฒนาต่อ และขั้นตอนเก็บรายละเอียดโดยศิลปินแบบมุ่งเป้าจะทำให้งานที่ผ่านการคัดเลือกเสร็จสมบูรณ์ สตูดิโอยังคงให้ไปป์ไลน์ที่ใช้อยู่เป็นผู้มีอำนาจตัดสินขั้นสุดท้าย.
ข้อมูลจากวงการโมเดลลิงสอดคล้องกันว่า เครื่องมือสร้างภาพ 2D เพียงอย่างเดียวไม่สามารถทำให้ตัวละครอยู่ในสภาพพร้อมใช้งานได้ และผลลัพธ์ที่ดีที่สุดมาจากเวิร์กโฟลว์ที่สมบูรณ์ แทนที่จะเป็นเครื่องมือสร้างภาพแบบคลิกเดียว ศิลปินที่เก็บงานแอสเซ็ตใน Blender จะนำตัวเลือกที่ดีที่สุดเข้าไปเป็นวัตถุดิบสำหรับการทำความสะอาด รีโทโพโลยี และเพิ่มรายละเอียด ก่อนที่สิ่งใดจะไปถึง Unity หรือ Unreal Engine การส่งต่องานยังคงเป็นศูนย์กลางของต้นทุน การคัดเลือกมีความสำคัญมากกว่าการสร้าง
การติดตั้งเครื่องกำเนิดไฟฟ้าเข้ากับไปป์ไลน์
ในด้านการเข้าถึง หน้าเว็บของแพลตฟอร์มอธิบายว่าคุณสามารถเริ่มต้นได้โดยไม่ต้องมีฮาร์ดแวร์ภายในเครื่องราคาแพงหรือประสบการณ์ด้านการทำโมเดลขั้นสูง เพียงเขียนพรอมต์ อัปโหลดภาพอ้างอิง แล้วตัวเลือกแรกก็จะมาถึง ภายในไปป์ไลน์แบบผสม ตัวเลือกที่มีจำนวนน้อยลงแต่มีคุณภาพสูงขึ้นหมายถึงการข้ามไปมาที่น้อยลง และทุกครั้งที่ไม่ต้องข้ามไปมาคือการหลีกเลี่ยงงานแก้ซ้ำ การควบคุมยังคงอยู่ในจุดที่เก้ากรณีวางไว้ นั่นคือในเครื่องมือ DCC ที่ใช้ส่งมอบแอสเซท
คำถามที่พบบ่อย
การสร้างโมเดล 3D ด้วย AI จะมาแทนที่การสร้างโมเดลด้วยมือหรือไม่?
ไม่ใช่ คำถามที่พบบ่อยของแพลตฟอร์มยังคงให้งานตรวจรับอยู่ในขั้นตอนเดิม: การทำความสะอาดโทโพโลยี การตรวจสอบวัสดุ การตรวจสอบริก การจัดการการชนกัน การวางแผน LOD การเพิ่มประสิทธิภาพ และการตรวจสอบคุณภาพบนเอนจิน การสร้างจะเปลี่ยนแหล่งที่มาของเรขาคณิตชุดแรกเท่านั้น และปล่อยให้ส่วนที่เหลือของไปป์ไลน์อยู่ในตำแหน่งเดิม การวางตำแหน่งของ V2Fun สื่อความเดียวกันในบรรทัดเดียว: เลเยอร์การสร้างและประเมินผลในช่วงต้น โดยไปป์ไลน์ยังคงอยู่ในตำแหน่งเดิม แม้แต่การสาธิตที่ทำงานอัตโนมัติทั้งหมดก็ยังคงมีรูปแบบเป็นไปป์ไลน์: Vertex Lab Demonstrates 3D Modeling Workflow (https://finance.yahoo.com/technology/ai/articles/vertex-lab-demonstrates-3d-modeling-131700437.html) บันทึกการสาธิตการเปิดตัวโดยบริษัทที่อยู่เบื้องหลังแพลตฟอร์มนี้ ซึ่งเชื่อมการสร้างเข้ากับการประกอบอัตโนมัติ
การสร้างด้วย AI จะมีค่าใช้จ่ายสูงกว่าเมื่อใด?
เมื่อผลลัพธ์ที่สร้างขึ้นทุกชิ้นต้องถูกแก้ไข. คำตอบใน FAQ ระบุไว้ในบรรทัดเดียวว่า: "ข้อได้เปรียบด้านต้นทุนจะหายไป หากทีมแก้ไขผลลัพธ์ที่สร้างขึ้นทุกชิ้น" ทีมที่แก้ไขทุกอย่างต้องจ่ายสองครั้ง: ครั้งหนึ่งสำหรับการสร้าง และอีกครั้งสำหรับการเก็บงานด้วยตนเองทั้งหมดเพิ่มเติม. การประหยัดขึ้นอยู่กับการคัดทิ้งตัวเลือกที่มีคุณภาพต่ำก่อนเริ่มการเก็บงาน นี่คือเหตุผลที่เนื้อหาด้านต้นทุนของ V2Fun จับคู่ข้อความดังกล่าวกับคำแนะนำให้กำหนดเกณฑ์การคัดทิ้งก่อนสร้างแอสเซ็ต. รวมต้นทุนการทำงานซ้ำหนึ่งรอบไว้ในการทดลองนำร่องทุกครั้ง แล้วรูปแบบที่ประหยัดจะใช้ได้เฉพาะกับตัวเลือกที่ผ่านการตรวจสอบเท่านั้น
สามารถผสานการสร้างโมเดลแบบดั้งเดิมและ Generative AI ไว้ในไปป์ไลน์เดียวกันได้หรือไม่?
ใช่ และเนื้อหาที่จัดทำเป็นเอกสารอธิบายว่าการผสมผสานนี้เป็นการจัดวางที่ใช้งานได้จริงที่สุดของทั้งสองแนวทาง การสร้างครอบคลุมการสร้างและประเมินผลในระยะแรก ขณะที่ไปป์ไลน์แบบดั้งเดิมยังคงมีอำนาจตัดสินใจขั้นสุดท้ายว่าสิ่งใดจะถูกนำไปใช้งาน สถานการณ์ที่อธิบายไว้ยังคงใช้ไปป์ไลน์ Maya-to-Unreal ที่ล็อกไว้เป็นเส้นทางการส่งมอบ V2Fun อยู่ฝั่งการสร้าง และลำดับขั้นตอนที่เชื่อมต่อกันสามารถเปิดเผยแอสเซ็ตที่ไม่เหมาะสมได้ก่อนที่จะลงทุนลงแรงกับการเก็บรายละเอียดครั้งใหญ่ ทีมที่กำลังพิจารณาการผสานรวมในระดับเวิร์กโฟลว์สามารถอ่านต่อได้ที่ สิ่งที่ทีมโปรดักชันควรรู้เกี่ยวกับ API การสร้าง 3D ด้วย AI
ปรับเส้นทางให้พอดีกับแอสเซท
ชั่งน้ำหนักการควบคุม ความเร็ว และงานแก้ไขใหม่ทีละแอสเซ็ต แล้วให้จุดตรวจทั้งห้าจุดตัดสินใจว่าเครื่องมือใดจะทำงานในรอบถัดไป