原文链接：https://www.sciencefocus.com/future-technology/point-e/ 作者：Alex Hughes
在过去的一年里，OpenAI 非常忙碌。它因其两个重大项目而成为互联网上的热门话题：Dall-E 2 和 ChatGPT。在这两个庞大的人工智能平台之间，该公司帮助从仅有的文字提示中生成图像和大量的文本。
现在，该公司已经推出了第三个概念，恰好在圣诞节前引起了大家的兴趣。这个第三个概念现在被称为 Point-E，它遵循着类似的模式，可以从你的提示中创建内容。
Point-E 是什么以及它是如何工作的？
在许多方面，Point-E 是 Dall-E 2 的继任者，甚至遵循相同的命名规则。Dall-E 用于从零开始创建图像，而 Point-E 则更进一步，将这些图像转化为 3D 模型。
在 OpenAI 团队发布的一篇研究论文中宣布，Point-E 分为两个部分：首先使用文本到图像的人工智能将您的文字提示转化为图像，然后使用第二个函数将该图像转化为 3D 模型。
Dall-E 2 的工作目标是创建最高质量的图像，而 Point-E 则创建了一个质量较低的图像，只需要足够的信息来形成一个 3D 模型。
与传统的 3D 模型不同，Point-E 实际上并没有生成整个流体结构。相反，它生成了一个点云（因此得名）。这只是意味着在空间中散布着一些点，代表一个 3D 形状。
显然，这看起来不像很多东西，这就是为什么模型有第二步。团队训练了一个额外的人工智能模型来将这些点转化为网格。这是一种更接近对象的形状、模具和边缘的代码。
然而，当你处理这么多因素时，事情并不总是完美的。正如 OpenAI 在研究论文中指出的那样，对象可能会缺少点或导致方块状的对象。
训练模型
为了使模型正常运行，团队必须对其进行训练。过程的前半部分，即文本到图像的部分，与之前的 Dall-E 2 一样，是基于用文字提示进行训练的。这意味着图像附带了替代文本，以帮助模型理解图像中的内容。
然后，图像到 3D 模型也必须以类似的方式进行训练。它接受了类似的训练，提供了一组图像，这些图像与 3D 模型配对，以便 Point-E 能够理解二者之间的关系。
这个训练过程重复了数百万次，使用了大量的数据集。在对模型进行首次测试时，Point-E 能够通过点云生成请求的彩色粗略估计，但它们离准确的表示还有很长的路要走。
这项技术仍处于早期阶段，可能还需要一段时间才能看到 Point-E 像 Dall-E 2 或 ChatGPT 那样准确地生成 3D 渲染图，并且公众与之互动的时间可能更长。
如何使用 Point-E
虽然 Point-E 尚未通过 OpenAI 以其官方形式发布，但对于那些更加技术导向的人来说，可以通过Github获得。或者，您可以通过Hugging Face测试这项技术，Hugging Face 是一个之前托管其他大型人工智能程序的机器学习社区。
目前，这项技术还处于初级阶段，因此不会产生最准确的响应。 Hugging Face 尝试这项技术，所以可能会偶尔出现长时间等待或加载时间较长的情况。
目前尚不清楚 OpenAI 在推出该服务时是否会向公众提供，或者是否首先只限邀请。
Point-E 的应用
对于大多数现代人工智能程序，很快就会出现一个问题，即它们的设计目的是什么。对于 ChatGPT 和 Dall-E 2，人们越来越担心这些平台会取代艺术家和创作者。
同样的担忧可能会出现在 Point-E 上。3D 设计是一个庞大的行业，虽然 Point-E 目前还不能准确地匹配 3D 艺术家的作品，但它未来可能会与这个领域竞争。
然而，有报道称 OpenAI 每个月花费数百万美元来维持这些项目的运作，这种软件的使用和运行可能会非常昂贵，尤其是对于像 3D 渲染这样复杂的任务。
阅读更多：