ForgeFluencer vs GET3D | Nvidia

ForgeFluencer crea influencers virtuales a partir de un retrato de referencia y mantiene el mismo rostro en fotos, pruebas de vestuario y videos cortos. Los controles de imagen incluyen encuadre, relación de aspecto, ubicación, atuendo y emoción, mientras que los intercambios de rostro en video opcionales y la importación de prendas amplían las publicaciones más allá de imágenes estáticas.

A diferencia de manejar bots de Discord y editores de imágenes por separado, ForgeFluencer integra la creación de modelos, un catálogo de sesiones fotográficas, un estudio fotográfico y generación de videos en un flujo de trabajo amigable para escritorio. El modo sesión fotográfica genera escenas preestablecidas con dos clics, y el vestuario virtual aplica ropa importada a una foto de modelo existente para publicaciones de atuendos de marca.

Los creadores que apuntan a Instagram, TikTok, Fanvue o Patreon lo usan para personas influyentes realistas o personajes estilo anime. Las cuentas gratuitas incluyen 5 créditos y dos espacios para modelos, mientras que los planes pagos aumentan los créditos mensuales, los límites de modelos y las asignaciones premium de video.

GET3D genera activos de mallas 3D texturizadas que puedes insertar directamente en un motor de renderizado, entrenado únicamente a partir de colecciones de imágenes 2D. Investigadores de NVIDIA lo desarrollaron para producir mallas explícitas con geometría y textura, no campos de radiancia neuronal que requieren renderizadores personalizados para su uso.

La mayoría de los modelos generativos 3D en ese momento omitían texturas, te limitaban a una topología fija o requerían pipelines de renderizado neuronal para visualizar resultados. GET3D utiliza tetraedros diferenciables en marcha (DMTet) junto con pérdidas adversariales sobre imágenes RGB rasterizadas y siluetas, por lo que el resultado es una malla texturizada estándar. La compensación es el acceso a nivel de investigación: este es un proyecto del Laboratorio de IA de NVIDIA Toronto presentado en NeurIPS 2022, no un SaaS alojado con un botón de carga.

El modelo maneja autos, sillas, animales, motocicletas, personajes humanos y edificios. También soporta generación de formas guiada por texto mediante ajuste fino basado en CLIP, similar a StyleGAN-NADA, y puede separar la geometría de la textura mediante códigos latentes separados.