Apera AI 对比 Text-To-4D

Apera AI 销售 4D 视觉软件和硬件，指导工业机器人完成料箱拾取、装配、机床操作、分拣和包装任务。其 Vue 机器人视觉平台将成对的 2D 摄像头组合成 3D 场景模型，然后运行专有神经网络，选择最易抓取的零件，并在短至 0.3 秒内将路径规划发送给机器人控制器。

传统机器视觉通常需要参考照片，或在光滑、透明或随机堆放的零件上失效。Apera AI 使用合成数据从 CAD 模型或 3D 扫描中训练对象，交付前目标达到 99.99% 的可靠性，并能处理明亮、黑暗或户外光照下的透明、半透明和反光零件。一个 Vue 计算机最多可运行四对摄像头，训练后调试约需 15 分钟校准时间。

该公司面向汽车、医疗器械和金属制造工厂以及构建其工作单元的系统集成商。项目遵循由认证合作伙伴执行的范围、设计、安装和支持四步流程，视觉程序提供基于规格的退款保证，且工作时间内承诺 30 分钟内回电支持。

Text-To-4D 是 Meta AI 的一个研究项目（MAV3D），能够根据文本描述生成三维动态场景。该方法使用了一个四维动态神经辐射场，通过查询文本到视频的扩散模型，优化了外观、密度和运动一致性。

与输出单一网格的静态三维生成器不同，Text-To-4D 生成的场景可以从任意摄像机角度观看，并可合成到其他三维环境中。该方法不需要三维或四维训练数据；其底层的文本到视频模型仅在文本-图像对和无标签视频上进行训练。

项目页面提供了文本到四维的演示样例，如“柯基犬玩球”，以及从静态照片到四维的图像转换。它是一个研究展示项目，不是带有公开 API 或注册功能的商业产品。对基于 NeRF 的动态场景生成感兴趣的研究人员和三维艺术家可以在网站上查看论文和样例输出。