在更强大的AI及相关技术的加持下，游戏行业将出现怎样的变革？


(资料图)

4月13日周三，方正证券分析师杨晓峰发表了题为《游戏的AI革命：StableDiffusion到Nerf》的行业研究报告。

在这份报告中，方正证券表示，游戏行业能够根据现有的AI模型——GPT、Stable Diffusion以及Nerf，实现“无中生有做3D”。

GPT文本生成神器的功能已被大众所熟知，这里方正证券着重介绍了Stable Diffusion和NeRF模型。

AI生成2D作画：Stable Diffusion

据方正证券介绍，Stable Diffusion是一个文本到图像的潜在扩散模型，可以实现“文生图”功能。不过，当前的输入内容类似于程序代码，具有一定的门槛。

Stable Diffusion提供开源模型，用户可对其进行进一步训练，风格多样化。

同时，使用controlnet插件可以使Stable Diffusion生成多视角图片。

AI推动“2D到3D” ：NeRF模型

NeRF，全称为Neural Radiance Fields(神经辐射场)，是一项利用多视角图像重建三维场景的技术，即利用2D图片搭建3D场景。

当前基于NeRF技术构建的模型主要有谷歌的Mip-NeRF、Block-NeRF、LOLNeRF，英伟达开发的instant NGP。

据方正证券称，instant NGP可以极大的提高NeRF的效率，在某些情况下速度可以提升超过1000倍。

Instant NeRF可在单GPU（RTX3090）环境下实现秒级的3D场景生成。在高清分辨率下，合成甚至真实 场景可以在几秒内训练，幵以 60帧/秒的速度渲染。

另外，3D建模软件服务商Luma AI近期开发了NeRF相关的APP，目前已上线APP Store，极大的降低了NeRF的使用门槛：

仅需要一部手机，通过APP导引进行场景的拍摄，就可以随时随地渲染三维场景，轻松使用NeRF。

2023年3月24日，Luam获2000万美元的A轮融资，英伟达为其投资方之一。

GPT→Stable Diffusion→Nerf：无中生有做3D

据介绍，目前由文字到3D模型，存在两种路径。

使用“文生图”模型+NeRF生成3D模型，GPT在其中可以发挥重要作用。例如，使用stable diffusion+controlnet插件，生成多视角的2D图，再由NeRF形成3D建模。但由于目前文生图模型的prompt仍有一定的门槛，因此或可训练GPT，使其掌握，进而实现自然语言生成满意的多视角2D图。

使用文字生成3D模型。这一类模型往往是，文本到图像扩散模型和NeRF的结合。其原理为，先通过文本到图像的扩散模型生成2D图，再通过NeRF将2D图生成3D模型。

AI推动降本增效

目前，国内常见的游戏美术制作方式有四种，分别是3渲2制作、3D 现世代制作( 传统手绘)、3D 传统次世代制作和3D次世代制作。

但总体来看，当前制作一个3D游戏角色的周期在30-45天左右，需要的步骤较多，参与的人员众多。

使用NeRF可以快速建模，从而提高效率，节省成本。

时间上，AI生成图片的速度相对手画来说，大幅度提高；而NeRF建模也可一次性完成上文中步骤的多个， 在时间上有极大的提高。

人力上，“文生图”和NeRF可以完成多个角色的工作，同时也更加快速。

本文主要观点来自方正证券杨晓峰，原文标题：《游戏的AI革命：StableDiffusion到Nerf》

杨晓峰持证编号S1220522040001

关键词：