ForgeFluencer vs GET3D | Nvidia

ForgeFluencer cria influenciadores virtuais a partir de um retrato de referência e mantém o mesmo rosto em fotos, experimentações de guarda-roupa e vídeos curtos. Os controles da imagem abrangem enquadramento, proporção, localização, roupa e emoção, enquanto as trocas de rosto em vídeo opcionais e importações de roupas estendem as postagens além de imagens estáticas.

Ao contrário de lidar com bots do Discord e editores de imagem separados, o ForgeFluencer reúne criação de modelos, um catálogo de sessões fotográficas, um estúdio fotográfico e geração de vídeo em um fluxo de trabalho amigável para desktop. O modo sessão fotográfica gera cenas predefinidas em dois cliques, e o guarda-roupa virtual aplica roupas importadas a uma foto de modelo existente para postagens de roupas de marca.

Criadores que miram Instagram, TikTok, Fanvue ou Patreon usam para personas realistas de influenciadores ou personagens em estilo anime. Contas gratuitas incluem 5 créditos e dois slots de modelo, enquanto os planos pagos aumentam créditos mensais, limites de modelos e permissões premium de vídeo.

GET3D gera ativos de malha 3D texturizados que você pode importar diretamente em um motor de renderização, treinado apenas a partir de coleções de imagens 2D. Pesquisadores da NVIDIA o desenvolveram para produzir malhas explícitas com geometria e textura, não campos neurais de radiância que precisam de renderizadores personalizados para uso.

A maioria dos modelos generativos 3D na época ou ignorava texturas, restringia você a uma topologia fixa, ou exigia pipelines de renderização neural para visualizar os resultados. GET3D usa tetraedros diferenciáveis em marcha (DMTet) mais perdas adversariais em imagens RGB rasterizadas e silhuetas, então a saída é uma malha texturizada padrão. A compensação é o acesso em nível de pesquisa: este é um projeto do NVIDIA Toronto AI Lab apresentado no NeurIPS 2022, não um SaaS hospedado com botão de upload.

O modelo lida com carros, cadeiras, animais, motocicletas, personagens humanos e edifícios. Também suporta geração de formas guiadas por texto via ajuste fino baseado em CLIP, semelhante ao StyleGAN-NADA, e pode separar geometria de textura por meio de códigos latentes separados.