早上刷到个邀请，试了下腾讯混元的 3D 世界生成
以为会是 Google 那种，能理解语义、生成真 3D 模型的大活儿，结果发现完全不是那么回事
我理想中的真 3D 生成，起码得是：AI 知道场景里是什么，能独立生成一个个完整的模型。比如一个苹果，你得能 360 度转着看，没死角吧？然后再把这些玩意儿拼成一个能随便逛的 3D 空间
混元这个实现路径，给我的感觉更像是一种 2.5D 或者“深度图拉伸”技术。整个流程拆解下来是这样的：
-
基于一张 2D 图片（或者由文生图模型先生成一张）。
-
接着，模型 AI 能力的核心似乎是用在为这张 2D 图生成一张配套的深度图（Depth Map）上。
-
关键一步来了，它根据深度图的远近信息，把 2D 图片的像素“拉伸”成一个带高低起伏的网格模型（Mesh）。
-
最后，把最开始那张 2D 图片作为纹理，直接贴回到这个被拉伸的模型上。
这套流程本质上没有生成任何图片中看不到的新 3D 信息。你看到的只是一个固定视角下的浮雕，模型的背面、侧面、被遮挡的部分，信息全是缺失的。只要你稍微换个大点的角度，或者想绕到物体后面，立刻就会穿帮。
说白了，这不就是几年前就已经很成熟的单张图片转 3D技术吗？只是用 AI 包装了深度图生成这个环节。
这与真正通过神经网络（如 NeRF）学习和重建三维空间、一个一个生成真实 3D 物体的技术路线，完全是两码事。前者是拉伸emmm
不知道各位佬友怎么看？是我的期望太高，还是厂商的宣传有些过度了？