支付宝推出AI毛发自测工具 拍几张照片就能检测

支付宝推出AI毛发自测工具拍几张照片就能检测用户只需上传几张头皮照片，AI即可在半分钟内识别出脱发类型和级别，并提供相应的健康建议，用户可以通过支付宝App搜索“毛发检测”来体验这一服务。项目负责人蔡科发表示，研发这款应用的初衷是帮助人们及时、科学地了解自己的脱发状况，避免盲目听信偏方，错过最佳养护时机。他分享了自己的脱发经历，幽默地提到：“我第一次意识到自己脱发，是看到女儿在幼儿园里画的爸爸，居然只有三根头发。”支付宝AI技术在医疗领域的应用并非首次。此前，支付宝已推出“AI就医助理”解决方案，通过AI大模型、数字人等技术，为医疗机构提供全面的“AI陪伴就诊”服务，而此次推出的AI毛发自测工具，为更多脱发患者带来便利和科学的指导。...PC版：https://www.cnbeta.com.tw/articles/soft/1433924.htm手机版：https://m.cnbeta.com.tw/view/1433924.htm

英伟达发布 LATTE3D 模型 1 秒生成高质量 3D 效果

英伟达发布LATTE3D模型1秒生成高质量3D效果英伟达AI研究副总裁SanjaFidler所属位于多伦多的AI实验室团队在GTC2024春季场的座谈活动中，发布了LATTE3D模型并于现场进行实机展示，该技术能够高效率通过文本提示词生成3D模型，在搭配英伟达RTXA6000GPU的情况下能够几乎即时（不到1秒时间）生成3D模型，3D形状可以随意放大、旋转，360度无死角。“一年前，AI模型需要1小时才能生成这种质量的3D视觉效果，而目前的技术水平大约是10到12秒。”SanjaFidler说。

一张照片生成3D头像 苹果新模型击败StyleGAN2 表情光线都能调

一张照片生成3D头像苹果新模型击败StyleGAN2表情光线都能调进行3D建模时，需要的照片素材无需专门选择角度，数量上也只需一张。甚至对表情、发型、眼镜等元素进行调节时，也不需要额外素材。而传统的头像合成工具或者需要多张图片才能工作，或者对照片角度有刁钻的要求。正是凭借这一创新，FaceLit获得了3.5的FID评分，较同类产品直接高出了25%。改进式EG3D合成人像，光线信息单独处理下面就来看一下FaceLit具体是如何实现头像合成的。总的来说，苹果采用了将人物本体与光线分别处理再进行叠加的策略。早期的三维人像合成工具在转换过程中可能产生形变。而爆火的NeRF通过将场景拆分成具体因素，提高了3D图像合成效果，改善了这一问题。但苹果团队认为，在可控性方面，NeRF仍存有不足之处。于是，在EG3D框架的基础上，苹果创造了FaceLit的合成模型。EG3D通过三平面解码器，赋予了二维卷积神经网络生成渲染3D模型所需深度参数的能力。苹果团队对标准的EG3D训练方式进行了扩展，并将之转化成了FaceLit框架。FaceLit与传统EG3D渲染流程对比图标准的ED3G使用相机位置p参数作为基本输入参数。在建立GAN2操作时，苹果在EG3D的基础上加入了光照参数l。不同p(左→右)与l(上→下)值下的初始图像苹果选择了经过球形谐波方式简化后的Phong反射模型作为处理光源的物理基础。光照参数l就是在这一基础之上独立处理得到的。在自然界中，反射包括镜面反射和漫反射两种形式。不同镜面反射率条件下的效果对比因此，苹果在ED3G模型中加入了镜面反射解码器和漫反射解码器。它们替代了可以直接得到颜色c、密度σ数据的三平面解码器。反射解码器流程示意图通过对GAN2产生的数据进行再次解码，可以得到镜面反射率ks和漫反射率kd。然后再通过两种反射着色器得到颜色c，密度σ则由漫反射解码器计算得出。最终，FaceLit以与三平面解码器相同的参数（c，w，σ）渲染图像，并进行分辨率优化。有的放矢设计训练策略，数据无需人工标注生成框架已有，那就来到训练阶段，其特点在于训练过程中无需人工标注。方法论层面，在训练时，团队使用了FFHQ、MetFaces和CelebA-HQ数据集。对于不同的数据集，苹果使用了不同的训练方式。FFHQ包含了7万余条人脸数据，其训练分为两个阶段：先在较低的分辨率下训练，再提高分辨率再次进行。对于包含2万数据量的CelebA-HQ，训练不需要分阶段进行。而对于更小的MetFAces，则只需要通过ADA扩容的方式，使用预训练的FFHQ进行优化调整即可。定性地看，训练结果在机位、光源和反射高光等方面都有出色的表现，图中的细节也有所增强。FaceLit生成的头像（左侧四列）唇齿部位的细节进行了明显重构定量结果同样表明，FaceLit在FID、KID等指标上均优于包括标准EG3D在内的传统生成方式。在使用FFHQ作为训练集的条件下，各生成方式的表现如下表，不难看出FaceLit拥有最低的FID和KID值。而相比于英伟达的StyleGAN2，FaceLit的表现依旧出色：光线准确度方面，FaceLit在使用三种不同训练数据集的情况下，与人工设定的标准值平均均方误差均低于0.01。网友：人们低估了苹果AI消息发出后，便有网友认为“这是对更重磅产品的预热”。更有网友直接推测，FaceLit的出现标示着人工智能将进军AR和VR领域，苹果的混合现实将最终实现商用……也有网友认为，FaceLit不会商用，否则苹果才不会以论文的形式发表。针对FaceLit本身，也有网友表示，除了LLM，其他都是浮云，他们（苹果）如果不开发LLM，就没有未来。但这位网友同时也说，苹果可能已经在做（LLM）了。相应的，也有网友称人们“低估了苹果在AI领域的深度”。所以各位网友对苹果在AI领域还有什么样的期待呢？...PC版：https://www.cnbeta.com.tw/articles/soft/1357791.htm手机版：https://m.cnbeta.com.tw/view/1357791.htm

国泰君安：“AI 生成 3D” 的突破将对游戏产业产生实质性影响，关注行业 “AI 拐点”

国泰君安：“AI生成3D”的突破将对游戏产业产生实质性影响，关注游戏行业“AI拐点”国泰君安研报表示，“AI生成3D”是今年生成式AI发展对游戏赛道有重要影响的一环，特别是当前3D数据资产和技术持续积累，“AI生成视频”快速发展。“AI生成3D”的突破将对游戏产业产生实质性影响，这种变化不仅是在降本增效，还体现在游戏产业趋势的变化下。建议重视如下思路：1.继续重视小游戏平台价值，以及具备优秀的发行和运营能力的公司；2.具备突出3D开发能力或优质IP的大型游戏公司；3.积极布局AI的游戏公司；4.MR及3D资产产业链相关公司。

一个无限高质量3D数据的生成器，使用程序生成的无限逼真世界

一个无限高质量3D数据的生成器，使用程序生成的无限逼真世界100%的程序化生成，不需要外部资产，也不依赖AI。并且是免费开源的。生成质量非常高，可以说达到以假乱真的地步！甚至是花瓣上的皱纹都可定制Infinigen由普林斯顿视觉和学习实验室开发，Infinigen的主要特性和功能包括：1、程序化：Infinigen是一个程序生成器，它完全使用随机的数学规则来创建所有的形状和材料，从宏观结构到微观细节。Infinigen可以创建无限的变化。用户可以通过覆盖随机化的默认参数来完全控制资产的生成。2、多样化：Infinigen为自然世界中的多样化对象和场景提供生成器，包括植物、动物、地形，以及火、云、雨、雪等自然现象。当前对自然的关注是由于观察到哺乳动物的视觉在自然世界中进化。然而，预计Infinigen将随着时间的推移扩展到覆盖建筑环境和人造物体。3、真实的几何形状：Infinigen针对计算机视觉研究进行了优化，特别是3D视觉。Infinigen不使用bump/normal-maps、全透明度或其他伪造几何细节的技术。Infinigen的所有细微的几何细节都是真实的，确保了精确的3D地面真实性。4、自动注释：Infinigen可以自动生成各种计算机视觉任务的高质量注释，包括光流、3D场景流、深度、表面法线、全景分割、遮挡边界。因为用户可以完全访问渲染过程，所以注释很容易定制。#生成器

全球最大的游戏引擎Unity要出生成式AI工具了 能不能做好3D是个问题

全球最大的游戏引擎Unity要出生成式AI工具了能不能做好3D是个问题Unity中国AI技术负责人暴林超在演讲中谈到这一构想，“通过建立大语言模型和用户交互这样一个更自然的交互界面，来串联起我们的3DAIGC模型，以及Unity引擎内部可以提供的一些工具（如程序化生成等）。同时我们会探索将用户的隐私数据更安全地在本地做管理，在保护用户隐私的情况下，用户可以实现在本地部署引擎，并以这样的方式接入Copilot。”“Copilot”（直译为“副驾驶”）的说法目前被广泛用于GitHubCopilot和Microsoft365Copilot等产品，几乎已经成为AI辅助工具的代称。不过从Unity技术开放日当天透露的信息来看，U3DCopilot目前还只停留在构想，Unity中国并没有在现场进行任何相关演示。这场活动是Unity时隔两年之后再次举办线下巡回技术开放日。“前两年大家还都在讲元宇宙，今年都在讲AIGC，几乎是引爆了整个（游戏）行业。”Unity中国CEO张俊波在当天的致辞中讲到。不仅是行业，Unity的中国业务也在过去两年经历了较大变化。去年8月，Unity中国宣布成立，引入了阿里巴巴、中国移动、吉比特、米哈游、OPPO、佳都科技和抖音等投资者，成为Unity在中国的合资公司。张俊波的title从“Unity大中华区总经理”变为“Unity中国总裁兼首席执行官”，负责AI技术的暴林超则是在不久前刚加入Unity中国。“这也是我们关注中国开发者的新起点。”张俊波在致辞中说。Unity中国关注生成式AI的步调和Unity基本一致。Unity可以说是最早宣布将投入生成式AI大模型的大型游戏引擎。今年3月举办的GDC开发者大会上，Unity发布了一段名叫“UnityAI”的视频。视频以文本框的形式输入了一系列指令，包括“生成一个女性3D角色”，“生成一片拥有灰暗天空的大型地貌”，“慢慢推进摄像机，并加入戏剧性的光线”等等，暗示这些效果和资产未来都可以跳过繁琐的代码与调试，在Unity中通过文字prompt直接生成。UnityCEOJohnRiccitiello在接受采访时同时提到，未来不排除会开放一片AIGC专用的交易市场，供开发者在其中买卖AI工具。而后在今年5月发布第一季度财报时，Unity在股东信中专门开辟了“Gen-AI（AI时代）”专栏来回答股东提问。比如提到会在今年内推出使用自然语言的UI页面，而“一键生成游戏”的工具现阶段还不太可能，其目前对AI工具的定位更多是草稿的快速生成助手。此外，Unity还计划将引擎打造为一个供开发商训练AI模型的工具，帮助开发商“按照自己的需求进行数据创造、模拟和训练”。Unity中国频繁因为AI被关注也是最近一个月的事情。5月初，Unity中国在采访中透露已建立了中国本土AI研发团队，其负责人也开始频繁出现在各种关于AIGC的活动上，如张俊波“有八成原画师下岗”和“今后的游戏公司不一定会像现在那么集中在几个大厂等巨头公司”等言论也频繁在行业中被提及。而在6月8日举办的北京站技术开放日上，Unity中国引擎技术负责人左瑞文也在介绍中明确提到，Unity中国在今年的首要任务——研发Unity中国版引擎的三大方向之一，就是以生成式AI为主的智能化（其他两个方向是本地化和云化）。当然这其中不乏难点，难点在于3D内容开发的复杂性。暴林超在当天的AI主题演讲中先是回溯了生成式AI在近一年发展的节点性事件，介绍了stablediffusion和ChatGPT两大热门生成式AI工具的核心技术原理，以及AI技术从“领域专用AI小模型”到“生成式AI大模型”、生成式AI大模型从“通用”到“专用”的发展趋势，接着便谈到了3D生成式AI的三大技术难点：第一，3D的数据表示有非常多的选择，如体素、点云、Mesh、SDF和隐式场等，尽管经常会有针对不同数据表示的论文发布，但距离达到生产质量都还有一定差距；第二，3D数据的呈现依赖也非常多，也就是说，要在引擎里渲染出一个比较好的效果，不但取决于模型本身，还受到贴图、材质、Shader、光照、动画和VFX等的影响，这些也给3D的AIGC生产带来了很多困难；第三，3D高质量数据相对而言比较稀缺，而1D或2D维度不管是文本还是图片生成，数据量都是巨大的，目前3D的数据量还远远达不到这些量级。由于Unity引擎主要专注于游戏中3D技术的应用，这些3D数据的难点也都给其生成式AI工具的开发带来了挑战。暴林超接着提到了Unity中国3D生成式AI主要的几个技术方向：分别是3D模型、材质和贴图、3D场景、3D虚拟人，还有隐式场及神经渲染。就目前来说，Unity引擎界面依然非常复杂，看上去仍不够“智能”。未来Unity中国能否将以上存在在PPT和演示视频中的构想一一实现，将决定它究竟是履行了“帮助开发者更好地应对技术和市场革新的天然使命”，还是只是在取悦投资者。...PC版：https://www.cnbeta.com.tw/articles/soft/1364661.htm手机版：https://m.cnbeta.com.tw/view/1364661.htm