بلا تجهيز هيكلي: JST-2 من Viggle يصنع مشهدًا ثلاثي الأبعاد في ثانية

نشرت Viggle في 19 أكتوبر نموذجًا يولّد مشهدًا ثلاثي الأبعاد في نحو ثانية واحدة، بتكلفة استدلال أقل من سنت واحد. الرقمان مأخوذان من صفحة الإطلاق الخاصة بالشركة، ومقاسان على بطاقة NVIDIA B200 مع استبعاد زمن تأخير الشبكة، فتعامل معهما كما تتعامل مع أي قياس أداء تعلنه الشركة المصنّعة. لكن المعمارية التي تقف خلفهما تستحق انتباهًا أكبر من الأرقام.

اسم النموذج JST-2. الحروف الأولى من Joint Space-and-Time، أي المكان والزمان معًا. تصفه Viggle بأنه نموذج أساس للعالم «أصيل فيزيائيًا»، وهذه العبارة تقوم بعمل حقيقي لا مجرد تزيين لبيان صحفي.

ما الذي يغيّره «الأصيل فيزيائيًا» فعلًا

معظم نماذج الفيديو تتعلّم العالم عبر البكسلات. تشاهد عددًا كافيًا من الإطارات فتصبح بارعة في توقّع شكل الإطار التالي، ولهذا تستطيع أن تنتج لقطة رائعة لكرسي ثم تفقد الكرسي تمامًا حين تستدير الكاميرا.

النموذج JST-2 لا يبني إطارات. وحدته الأساسية أقرب إلى الذرة: قطعة صغيرة من المادة لها موضع ثلاثي الأبعاد حقيقي، ومادة وخامة ولون وكتلة، وسجلّ لكيفية حركتها وتشوّهها تحت تأثير قوة. تُحوَّل هذه الوحدات إلى رموز بما تسميه Viggle Physics-Native Tokens، ثم تُفكّ شفرتها إلى رشّات غاوسية ثلاثية الأبعاد تُعرض داخل المتصفح.

النتيجة العملية هي الاستمرارية. يبقى الكرسي جزءًا من الغرفة حين تُبعد نظرك، لأنه ليس توقّعًا بل جسمًا. يمكنك أن تدور حول النتيجة، وأن تمشي إلى زاوية لم يعرضها النموذج قط، فيظل المشهد متماسكًا. لا يحتاج النموذج إلى إعادة التشغيل إلا حين تضيف محتوى جديدًا.

الهدف الذي تقارن به Viggle هو Marble من World Labs، وتقيسه صفحة الإطلاق عند نحو ست دقائق للمشهد مقابل ثانية واحدة لـ JST-2. هذا الفارق ليس فرق ضبط، بل توليد تغذية أمامية مقابل تحسين مشهد بمشهد. نموذج Viggle ينتج التمثيل الثلاثي الأبعاد مباشرة في تمريرة واحدة بدلًا من ملاءمة مشهد بعد حدوثه.

{{INLINE1}}

نافذة السياق مكان، لا مستند

يقبل JST-2 حتى 64 منظرًا مدخلًا كنافذة سياق مكاني. العبارة غريبة على نموذج ثلاثي الأبعاد، لكنها تصف التفاعل بدقة: توسّع عالمًا منظرًا بعد منظر، وكل منظر جديد يصبح جزءًا من سياق ما يأتي بعده.

هكذا يعمل العرض التجريبي. في فيلم الإطلاق الخاص بـ Viggle، يلتقط روبوت صندوقًا في غرفة معيشة. تضيف التعليمات المكتوبة امرأة، ثم أبًا وطفلًا، ثم ترسل الروبوت عبر الغرفة ليسلّم الصندوق إلى الطفل. تتنقل الكاميرا بين الغرفة ومنظور الروبوت نفسه. لم يتطلب أي جزء من هذا التسلسل إعادة تشغيل المشهد من الصفر.

أربعة وستون منظرًا ميزانية متواضعة لبيئة كبيرة، وهو الرقم الذي يجب مراقبته. تتصرّف نوافذ السياق المكاني كما فعلت نوافذ سياق النص: النسخة الأولى تثير الإعجاب، والنسخة الثانية تغيّر ما يبنيه الناس.

التجهيز الهيكلي هو النقطة التي يصبح فيها الأمر مجديًا تجاريًا

ميزة الشخصيات هي الجزء الأقصر طريقًا إلى المال. يحوّل JST-2 صورة واحدة، أو وصفًا نصيًا، إلى شخصية ثلاثية الأبعاد جاهزة للتحريك. بلا خطوة تجهيز هيكلي منفصلة. وبلا مرحلة إسكان تُثبّت فيها الفنانة هيكلًا رقميًا وتلوّن الأوزان.

الآلية تكمن في تمثيل الرموز. تقول Viggle إن متجهات الديناميكا داخل Physics-Native Tokens تُشفّر كيفية تشوّه كل جزء من الشخصية تحت حركات مختلفة. هذه الديناميكا متعلَّمة من البيانات، فالنموذج لا يسلّم شبكة ويتوقع منك تجهيزها لاحقًا، بل يسلّم شبكة مع نموذج تشوّه.

أجرت Viggle تقييمات بشرية عمياء مقابل Meshy 7.1 وTripo H3.1. تقدّم JST-2 عليهما في توليد الشخصيات، وكان أكبر فارق في تفاصيل الوجه، وهي تحديدًا أكثر ما يُفقد بين مرجع ثنائي الأبعاد ونتيجة ثلاثية الأبعاد. تقدّم أيضًا في جاهزية التحريك، خصوصًا مفاصل اليد وكيفية تشوّه الجسم والملابس أثناء الحركة.

Viggle صريحة في نقاط الضعف: تشوّه الملابس المعقدة وحركة الشعر مدرجان كعمل في إصدارات قادمة. ومن رأى عباءة مولّدة تخترق ساقًا مولّدة سيعرف أن هذين البندين إجابة صادقة لا سهوًا تسويقيًا.

التقاط حركة بلا بدلة

ينتج JST-2 أيضًا حركة كامل الجسم من نص أو من فيديو لأداء حقيقي، وهذا التقاط حركة بلا علامات تحت اسم آخر. الأمثلة على صفحة الإطلاق أفعال عادية: تفادٍ وانخفاض، دحرجة أمامية، رفسة أمامية، إيقاع هيب هوب، لفّة، رقصة روبوت، ملاكمة، مشي مسح، عبور باب، تنظيف أسنان، كتابة سريعة، إشارة إلى الأمام.

لا شيء منها صعب على إنسان. وكلها صعبة على هيكل تحريك، لأنها تتضمن نقل وزن وتلامسًا واستعادة توازن. ونقلها من فيديو هاتف إلى هيكل قابل لإعادة الاستهداف هو الخطوة التي يدفع فيها معظم الاستوديوهات الصغيرة اليوم لمحرّك رسوم.

أين ما تزال الفيزياء مزيفة

هنا الخط الذي يستحق التمسك به. تقول مواد Viggle نفسها إن JST-2 ما زال يستخدم قواعد فيزياء مبرمجة للتصادمات وتفاعلات الأجسام. النموذج التالي، JST-3، يُطوَّر ليتعلّم تلك التفاعلات من البيانات بدلًا من أن يكتبها إنسان.

إذن «الأصيل فيزيائيًا» يصف التمثيل، لا محاكاة محلولة. النموذج يعرف أين الأشياء وكيف تتحرك؛ لكنه لا يعرف بعد ما يحدث حين يتنازع جسمان المساحة نفسها. هذا هو الفرق بين عالم يمكنك استكشافه وعالم يمكنك اختبار روبوت فيه، وViggle تقول صراحة إن تدريب الروبوتات هو الوجهة لا الوضع الحالي.

قالت Viggle إن هدف JST-3 محاكٍ عالمي كامل قد يجلس تحت محرك ألعاب، أو يعمل ميدان تدريب لذكاء مادي. هذا ادعاء كبير بلا موعد تسليم. ما هو موجود اليوم مولّد مشاهد سريع بمخرجات شخصيات جيدة على نحو غير معتاد.

ما يمكنك فعله به هذا الأسبوع

يمكن تجربة JST-2 مجانًا داخل PINOC، تطبيق Viggle للمتصفح المخصص للشخصيات والحركة ثلاثية الأبعاد. تتضمن الخطة المجانية 60 رصيدًا، مرة واحدة، وتقول الشركة إنها تكفي نحو دقيقة من الحركة أو حتى اثنتي عشرة شخصية من صورة إلى ثلاثي الأبعاد، إضافة إلى تصدير حركة واحد وتصدير شخصية واحد. لا تُعاد تعبئة الأرصدة في الخطة المجانية ولا يمكن شراء المزيد فيها.

تبدأ الخطط المدفوعة عند نحو 10.39 دولار شهريًا بفاتورة سنوية مقابل 300 رصيد، والترخيص مهم: مخرجات الخطة المجانية مقصورة على المشاريع الشخصية والتقييم والنماذج الأولية. أعمال العملاء أو أي شيء مُدرّ للربح يحتاج Starter أو Pro. تأتي الصادرات بصيغة FBX أو GLB، أي أن Blender أو Unity أو Unreal تستطيع فتحها.

إن أردت اختبار الادعاء بأقل تكلفة، فأرخص تسلسل هو: صورة واحدة، حركة قصيرة واحدة، تصدير واحد. الحركة تُحسب رصيدًا لكل ثانية، فمقطع من خمس ثوانٍ يساوي خمسة أرصدة. اثنتا عشرة فكرة تتسع في دقيقة مجانية إن أبقيتها قصيرة، وفي القِصر تحديدًا سترى هل يصمد ادعاء مفاصل اليد أم ينهار.

التحوّل الحقيقي

ما يتغيّر هنا ليس السرعة. بل أن الأصل والحركة يصلان معًا الآن. لعشرين عامًا كانت السلسلة: نموذج، ثم تجهيز هيكلي، ثم تحريك، وكل سهم كان شخصًا مختلفًا بصيغة ملف مختلفة.

دمج السهمين الأولين لا يزيل المحرّك. إنه يزيل الجزء من العمل الذي كان في معظمه أعمال سجلات، ويجعل تكلفة الفكرة السيئة قريبة من الصفر. وهذه عادة اللحظة التي تتغيّر فيها صيغة ما، لا حين تصبح المخرجات أجمل.