Adobe(Nasdaq:ADBE)近日在全球创意大会MAX 2022上宣布其业界领先的Substance 3D创意工具的创新功能,为创作者和品牌提供创建独立3D内容的端到端解决方案,支持其为迈向元宇宙的沉浸式体验做好准备。Substance 3D系列应用满足了经验丰富的3D创作者和希望能够为其作品增添新维度的2D创作者的需求。Adobe还宣布将Sustance 3D工具引入Meta Quest平台,以构建和分享沉浸式3D内容,同时支持Meta为其用户提供Adobe强大且易用的3D创作工具。
Substance 3D Sampler增添了全新3D Capture的能力,借助摄影测量技术直接将现实生活中的图像生成3D模型,为想要创建引人入胜的3D内容的创意人员节省了大量时间。Substance 3D Modeler旨在让雕刻3D物体和场景更为容易和直观,现已面向大众推出。此外,Adobe同时推出的全新可持续发展计算器(Sustainability Calculator)可以减少传统产品拍摄所产生的碳排放和资源消耗。
Adobe 3D和元宇宙负责人暨副总裁Sebastien Deguy表示:“过去一年,品牌大力投资于提高3D和沉浸式内容的创作能力。Adobe的使命是支持创作者和品牌过渡到新媒体以及沉浸式体验,我们目前所提供的全新功能将帮助创作者用比以往更容易的方式创建和获取3D内容。”
全新发布的Substance 3D 系列应用的多项增强功能包括:
3D和元宇宙:连接世界的新领域
如今,大部分的游戏公司都在使用Substance来创造沉浸式的游戏体验,包括全球出版商艺电、动视、微软和育碧。领先的开发商Epic Games、NVIDIA和Roblox也在通过Substance 3D工具来创作原型和部署早期的元宇宙体验。
此外,Adobe正在携手Meta将Substance 3D Modeler和即将推出的协作式审核APP直接集成到Meta Quest平台上,让每一位用户都能在使用Meta Quest虚拟现实头盔时构建和分享沉浸式3D内容和体验。 Adobe致力于为Meta Quest的所有者们带来更多Adobe Substance 3D技术,包括虚拟现实中的新的文档创作工作流程,而此次将Substance 3D Medeler引入到Meta Quest Pro和Quest 2设备中则是一个开始。
随着众多行业的品牌为迈向元宇宙做准备而加大对3D内容的投资,预计到2026年,3D产业规模将超过200亿美元。Adobe Creative Cloud和Substance工具现已助力娱乐、汽车和零售等多个行业打造沉浸式体验,包括HUGO BOSS AG、Ben & Jerry 's、可口可乐公司和美津浓(Mizuno)等品牌。此外,Adobe还与院校合作开设使用设计工具的教育课程,包括与加利福尼亚的艺术中心设计学院(ArtCenter College of Design)和法国的卢比卡设计学院(RUBIKA Design Valenciennes Design School)等学校合作开发3D和沉浸式课程。
在Adobe MAX 2022的Sneaks环节,Adobe还预览了一系列在实验室内正在开发的前沿3D和沉浸式工具,包括:
好文章,需要你的鼓励
随着AI模型规模不断扩大,GPU内存容量已成为瓶颈。Phison和Sandisk分别提出了软硬件解决方案:Phison的aiDAPTIV+软件通过创建跨GPU内存、CPU内存和SSD的虚拟内存池,支持高达700亿参数的模型;而Sandisk的高带宽闪存(HBF)则采用类似HBM的硬件架构,通过TSV连接器将NAND闪存与GPU紧密集成。Phison方案适合中小企业和边缘系统,Sandisk方案则针对大型GPU服务器,两种技术可共存互补。
上海AI实验库推出YUME系统,用户只需输入一张图片就能创建可键盘控制的虚拟世界。该系统采用创新的运动量化技术,将复杂的三维控制简化为WASD键操作,并通过智能记忆机制实现无限长度的世界探索。系统具备强大的跨风格适应能力,不仅能处理真实场景,还能重现动漫、游戏等各种艺术风格的虚拟世界,为虚拟现实和交互娱乐领域提供了全新的技术路径。
法国AI初创公司Mistral AI发布了首个大语言模型全面生命周期评估,量化了AI的环境代价。其Mistral Large 2模型训练产生20,400吨二氧化碳当量,消耗281,000立方米水。运营阶段占环境影响85%,远超硬件制造成本。研究表明地理位置和模型大小显著影响碳足迹,企业可通过选择适当规模模型、批处理技术和清洁能源部署来减少环境影响。这一透明度为企业AI采购决策提供了新的评估标准。
上海AI实验室研究团队开发了革命性的AI编程验证方法,让大语言模型能够在最小人工干预下自动生成和验证程序规范。该方法摒弃传统的人工标注训练,采用强化学习让模型在形式化语言空间中自主探索,在Dafny编程验证任务上显著超越现有方法,为AI自主学习开辟新道路。