Immersity (formerly LeiaPix Converter) 对比 Text-To-4D

Immersity（前身为 LeiaPix Converter）可将平面照片和视频转换为可在普通屏幕或 XR 头显上查看的深度动画。您只需上传 2D 文件，其神经网络深度引擎（Neural Depth Engine）就会构建深度图，然后您便可以导出并排 3D、深度图、Apple Vision Pro 空间视频或动画沉浸式动态剪辑等格式。

通用的 3D 照片应用通常只停留在单一的视差晃动效果。Immersity 通过神经网络深度渲染 4.0（Neural Depth Rendering 4.0）将前景和背景分离为不同的图层，当您平移或缩放视点时，该技术会自动填补被遮挡的细节。它不仅能处理静态图片，还能转换视频，付费方案支持高达 4K 的导出选项。

创作者、营销人员和 XR 爱好者使用它来制作社交剪辑、旅行素材和立体内容，而无需手动构建深度图。免费层允许无限次转换带有水印且最高 720p 分辨率的内容；付费图片方案起价为每月 $4.99，包含 500 点数和无水印的 4K 输出。

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。