CSM 对比 Text-To-4D

Common Sense Machines，简称CSM，通过生成式工作流程将图像、文本和草图转换为3D网格和场景准备好的资产。公司将Cube定位为3D助手，支持图像转3D、文本转4D动画网格、AI重新纹理和CAD零件导出等步骤。工作流程公开列为链式，如文本 > 图像 > 3D > 环境和图像转CAD零件网格。

一般的3D套件要求你手工建模所有内容。CSM依靠生成式代理和工作流程模板，使艺术家可以从照片或提示开始，在电商视觉、游戏和工业原型制作的生产管线中迭代。高级Maker和Creative Pro计划保持输出内容的私密性和客户所有权，而Tinkerer等级则以知识共享许可发布。

产品团队、游戏艺术家、电商商品经理和需要从参考艺术快速生成网格草图的工程师是核心用户群。CSM还在docs.csm.ai提供API文档，购买通过3d.csm.ai进行，联系方式为[email protected]。

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。