Kaedim vs Text-To-4D

Kaedim gère la génération 3D pour les studios et les marques qui ont besoin d'actifs prêts pour la production à partir de croquis, packs de références, photos de produits et briefs créatifs. Téléchargez vos éléments, examinez les modèles mis en scène dans un espace de travail partagé, annotez les modifications et approuvez les actifs avant leur transfert vers votre moteur ou la remise CAD.

Les générateurs de maillages instantanés produisent une géométrie qu'il faut encore corriger. Kaedim associe une automatisation 3D propriétaire à l'assurance d'experts artistes, à l'alignement sur les guides de style et à une boucle de révision (visualiser, annoter, comparer, réviser, approuver) conçue pour des équipes axées sur les jalons. Myth Studio a rapporté environ 4 heures par actif contre une moyenne de 40 heures sur le marché dans une étude de cas publiée.

Les studios de jeux utilisent Kaedim pour des accessoires, environnements et personnages conformes aux bibles artistiques. Les équipes produit résolvent les proportions et volumes avant l'engagement CAD. Les groupes e-commerce et marketing transforment des concepts en CGI produit réutilisables sans séance photo physique. La certification ISO27001, l'isolation des données par projet et une politique garantissant que votre propriété intellectuelle n'est pas utilisée pour entraîner des modèles partagés ciblent les travaux confidentiels en pré-lancement.

Text-To-4D est un projet de recherche de Meta AI (MAV3D) qui génère des scènes dynamiques tridimensionnelles à partir de descriptions textuelles. La méthode utilise un Neural Radiance Field dynamique en 4D optimisé pour la cohérence d'apparence, de densité et de mouvement en interrogeant un modèle de diffusion texte-vidéo.

Contrairement aux générateurs 3D statiques qui produisent un seul maillage, Text-To-4D crée des scènes que l'on peut visualiser sous n'importe quel angle de caméra et intégrer dans d'autres environnements 3D. L'approche ne nécessite pas de données d'entraînement 3D ou 4D ; le modèle texte-vidéo sous-jacent est entraîné uniquement sur des paires texte-image et des vidéos non étiquetées.

La page du projet propose des exemples de démonstration pour des invites texte-vers-4D comme « un corgi jouant avec une balle » et des conversions image-vers-4D à partir de photos fixes. Il s'agit d'une vitrine de recherche, non d'un produit commercial avec une API publique ou une inscription. Les chercheurs et artistes 3D intéressés par la génération de scènes dynamiques basées sur NeRF peuvent consulter l'article et les exemples sur le site.