Empresa Hi3D lança modelo v1.0 baseado em Sparc3D para refinar malha 3D até resolução de 1536
Leia mais
Pandaily
pandaily.com

Empresa Hi3D lança modelo v1.0 baseado em Sparc3D para refinar malha 3D até resolução de 1536

A empresa chinesa de geração de conteúdo 3D, Hi3D, tornou seu modelo Hi3D v1.0 público. Este modelo é projetado para converter formas tridimensionais rudimentares em geometria de alta resolução. O código para execução das consultas está disponível no GitHub, e os arquivos do modelo estão hospedados no Hugging Face, juntamente com uma demonstração online gratuita.

É importante notar que o Hi3D v1.0 não cria um objeto do nada; em vez disso, ele aceita uma malha de baixa resolução original e uma imagem de referência do mesmo objeto para detalhar a malha. O modelo é construído na arquitetura Sparc3D, apresentada na conferência NeurIPS 2025. O Sparc3D foca na representação e reconstrução de geometria complexa, garantindo a preservação de elementos finos e detalhes da superfície.

A Hi3D manteve a arquitetura principal do Sparc3D, mas expandiu significativamente o conjunto de dados de treinamento, elevando-o para cerca de dois milhões de ativos 3D cuidadosamente selecionados. A equipe declarou que esta versão foi testada em seu fluxo de trabalho de produção antes de ser lançada para uso público.

O fluxo de trabalho envolve a amostragem de variáveis latentes esparsas, sua decodificação usando um VAE esparso auto-truncante e a extração da malha, após o que o processo se repete. Com um parâmetro de consulta de 512, é executada uma passagem; com 1024, duas passagens; e nas configurações máximas, todas as três passagens, permitindo alcançar uma malha esparsa eficiente de tamanho 1536 unidades cúbicas. O projeto esclarece que essas métricas se referem a malhas esparsas nominais, e não a tensores latentes densos ou a um número fixo de triângulos. Um relatório técnico apresenta exemplos, como um veículo blindado, onde a blindagem angular, o pneu e a parte inferior permanecem consistentes ao ser visualizado da frente, de trás e de baixo, bem como uma escultura com asas, onde cada pena mantém sua nitidez.

Os requisitos de hardware são bastante elevados: o projeto exige um sistema operacional Linux, Python versão 3.10 e uma GPU NVIDIA com capacidade de computação 8.0 ou superior; não há suporte para operação apenas na CPU. A configuração máxima de resolução foi testada apenas em uma placa NVIDIA H20 com 96 GB de memória, e o consumo de memória em placas mais modestas ainda não foi medido. O código para treinamento e o sistema de avaliação do artigo científico não estão incluídos no lançamento.

O lançamento é feito sob a Licença Aberta Hi3D Versão 1.0, que permite o uso comercial. No entanto, se o produto ou serviço exceder 200.000 usuários ativos mensais, é necessário notificar a Hi3D e solicitar uma licença separada dentro de 60 dias. As partes originais correspondentes às licenças Apache-2.0 e MIT mantêm suas condições.

Novos modelos comerciais da Hi3D não fazem parte deste lançamento. A empresa posiciona a v1.0 como uma versão inicial, testada em produção, que desenvolvedores e empresas podem usar como base. O produto separado da empresa, Hi3D Agent, conecta a geração de modelos com funções de edição, rigging e preparação para impressão 3D.

Histórias semelhantes

Tencent lança o modelo Hy4 com capacidades de visão computacional e controle
Leia mais
technode.com

Tencent lança o modelo Hy4 com capacidades de visão computacional e controle

A Tencent apresentou seu modelo de inteligência artificial principal, o Hy4, que ganhou capacidades de compreensão visual e a habilidade de interagir com o computador. O lançamento do modelo ocorreu em 4 de novembro.

O Hy4 é capaz de analisar gráficos e documentos, realizar raciocínios com base em múltiplas imagens, bem como controlar ferramentas de linha de comando e interfaces gráficas. O processo de treinamento abrange aplicações como Blender e software CAD, além de tarefas que exigem o trabalho em vários programas simultaneamente.

O modelo Hy4 possui 770 bilhões de parâmetros e está disponível nos produtos da própria Tencent, bem como através de plataformas de terceiros, incluindo OpenRouter. Em breve, a empresa planeja publicar os pesos do modelo e um cartão de sistema especial.

A precificação padrão da API permaneceu a mesma em comparação com a pré-visualização do Hy4: o custo é de US$ 0,834 por milhão de tokens de entrada e US$ 2,501 por milhão de tokens de saída. Além disso, há um desconto de 50% no Tencent Cloud TokenHub até 31 de dezembro.

A Tencent integrou o Hy4 nos produtos WorkBuddy e CodeBuddy, oferecendo um limite de uso gratuito limitado de 4 a 15 de novembro. Também está planejada a criação de uma versão mais econômica do modelo Hy4 Flash. A empresa observou que o desenvolvimento se concentrou em tarefas de escritório, análise financeira e criação de jogos, com as equipes de desenvolvimento ajudando a treinar e avaliar o modelo com base em fluxos de trabalho reais.

Scenes AI da Dawa Technology opera com modelos mundiais de 34 bilhões em tempo real em uma única placa RTX
Leia mais
pandaily.com

Scenes AI da Dawa Technology opera com modelos mundiais de 34 bilhões em tempo real em uma única placa RTX

A Dawa Technology, sediada em Chunchin e originada do setor de produção virtual de cinema, apresentou o Scenes AI — um modelo de mundo em tempo real. Este sistema é capaz de transformar vídeos gravados por câmeras comuns em um mundo editável e persistente.

O produto recebeu um prêmio por excelência em um evento intermediário de startups da NVIDIA em Suzhou, em 15 de outubro. Trinta membros do NVIDIA Inception participaram deste estágio, juntamente com mais de 580 participantes.

A maioria dos modelos de vídeo se concentra na previsão do próximo quadro. No entanto, o Scenes AI suporta um estado contínuo do mundo. Elementos como cena, pessoas, câmera, iluminação, objetos e física são armazenados como variáveis separadas que podem ser lidas e modificadas independentemente. Ao mudar, apenas a parte correspondente do estado é atualizada, e não toda a imagem é redesenhada.

Em demonstrações, a Dawa mostrou como uma sala pode se transformar em um campo desenhado à mão, enquanto uma cadeira, um urso de pelúcia e um armário mantêm suas posições. As inscrições na parede permanecem no lugar, e as pessoas aparecem e desaparecem, enquanto o clima muda de neve para chuva.

O sistema inclui uma camada de controle complexa e uma camada generativa leve. A camada de controle, construída em torno do módulo Latent Stage, divide a cena, o personagem, a câmera, a iluminação, o traje e o adereço no espaço latente, aplicando restrições físicas para sólidos, tecidos, líquidos e partículas. A camada de renderização, LiveStage, utiliza difusão esparsa causal para amostrar apenas as áreas em mudança.

O modelo possui um total de 34 bilhões de parâmetros, mas ativa cerca de 4 bilhões a cada passo, o que representa aproximadamente 11,8%. A Dawa afirma que isso reduz o uso da GPU em 40% a 60% e acelera a inferência três a cinco vezes em comparação com a difusão de vídeo tradicional.

Em uma única placa de consumo NVIDIA GeForce RTX, o sistema atinge a inferência em tempo real em resolução de 720p e taxa de 25 quadros por segundo. Em testes de edição contínua, a empresa relata uma taxa de sucesso de edição alvo de 98,2% e uma retenção de identidade de pessoas de 93,3%. O sistema utiliza CUDA, TensorRT e NVENC e funciona em hardware local sem computação em nuvem.

A Dawa afirma que seus dados foram obtidos em um estúdio de 84.000 metros quadrados, mais de 300 produções reais e 180 TB de dados de estado do mundo. O Diretor de Produto da empresa, Li Zongxin, resumiu a abordagem da seguinte forma: o vídeo pode terminar, mas o mundo deve continuar funcionando. Todos os indicadores de desempenho apresentados são dados fornecidos pela própria empresa.

Popular