या साइटवरील सामग्री कृत्रिम बुद्धिमत्ता (AI) किंवा मशीन भाषांतर तंत्रज्ञानाचा वापर करून भाषांतरित केली आहे आणि त्यात त्रुटी असू शकतात.

Skip to content

SIGGRAPH 2024 मध्ये Roblox चे 3D आणि 4D शोध

Roblox अथकपणे नवकल्पना करत आहे, ज्यामुळे एक त्रिमितीय इमर्सिव्ह प्लॅटफॉर्म तयार होतो, जिथे लाखो निर्माते अवतार, अॅक्सेसरी आणि अनुभव तयार करतात, ज्यामुळे जगभरातील लोक एकमेकांशी जोडू शकतात.

SIGGRAPH मध्ये, जी जगभरातील संगणक ग्राफिक्स आणि परस्परसंवादी तंत्रांसाठीची प्रमुख परिषद आहे, आम्ही नवीन तांत्रिक आणि अल्गोरिदमिक शोध सादर करू. आम्ही सादर करत असलेल्या कामात रबरासारखी ताणता येणारी 3D सामग्री सक्षम करण्याच्या नवीन पद्धती, चेहऱ्याच्या अ‍ॅनिमेशनसह अवतार तयार करण्याचा जलद मार्ग आणि अधिक वास्तववादी पद्धतीने हलणारे केस यांचा समावेश आहे. एकत्रितपणे, हे सखोल 3D च्या भविष्याला सामर्थ्य देण्यासाठी मजबूत सैद्धांतिक निष्कर्ष आणि प्रारंभिक टप्प्यातील प्रोटोटाइप आहेत. पूर्ण तांत्रिक तपशीलांसाठी डेन्व्हरमधील SIGGRAPH येथील आमच्या सत्रांमध्ये सहभागी व्हा.

अधिक तपशीलवार अवतार

रॉब्लॉक्सवर अवतार हे वैयक्तिक अभिव्यक्तीचे केंद्र आहेत, ज्यात पूर्ण चेहऱ्यावरील अ‍ॅनिमेशन, कॉन्फिगर करण्यायोग्य शरीर, थरात असलेले कपडे आणि संपूर्ण प्लॅटफॉर्मवर सुसंगत देखावा असतो. आमच्या अलीकडील डिजिटल एक्सप्रेशन्स रिपोर्टमध्ये असे आढळले की, झेड जनरेशनच्या ८८ टक्के प्रतिसादकर्त्यांचे म्हणणे आहे की रॉब्लॉक्ससारख्या मेटाव्हर्ससारख्या जगात स्वतःची अभिव्यक्ती केल्यामुळे त्यांना त्यांच्या दैनंदिन जीवनात अधिक सहजपणे स्वतःची अभिव्यक्ती करण्यात मदत झाली आहे. या आत्म-अभिव्यक्तीला पाठिंबा देण्यासाठी, आम्ही अवतार तंत्रज्ञानातील अत्याधुनिक तंत्रज्ञान पुढे नेत आहोत.

पारंपारिकरित्या, 3D मेशपासून नवीन अवतार तयार करण्यासाठी अत्यंत तांत्रिक कामाच्या अनेक टप्प्यांची आवश्यकता असते. हे 4D निर्मितीचे आव्हानांपैकी एक आहे: स्थिर 3D मालमत्तांना पूर्णपणे गतिशील, परस्परसंवादी आणि संयोजक बनवणे, जेणेकरून त्या मेटाव्हर्स अनुभवात जिवंत होऊ शकतील. यात समाविष्ट असलेल्या टप्प्यांमध्ये केजिंग, रिगिंग आणि स्किनिंग यांचा समावेश होतो, ज्यासाठी व्यावसायिक निर्मात्यांसाठीही प्रत्येक अवतार तयार करण्यास एक आठवडा इतका वेळ लागू शकतो. नंतर आमच्या प्लॅटफॉर्मच्या प्रगत कपडे आणि चेहऱ्याच्या भाव-भंगिमा वैशिष्ट्यांशी सुसंगतता सुनिश्चित करण्यासाठी अतिरिक्त काम करावे लागते.

undefined
त्यांच्या "End-to-end Automatic Body and Face Setup for Generative or User-Created 3D Avatars" या सादरीकरणात, Roblox च्या Avatar आणि CoreAI संघांनी मशीन लर्निंग आणि भूमिती-प्रक्रिया तंत्रांचा समावेश असलेली बहु-चरणीय पाइपलाइन सादर केली आहे. ही पद्धत अवतार निर्मिती प्रक्रियेला लक्षणीयरीत्या जलद आणि सोपे बनवते, तसेच कमी अनुभवी निर्मात्यांना त्यांच्या स्वतःच्या पूर्ण कार्यक्षम अवतारांची रचना करून अपलोड करण्यास सक्षम करते.

तुम्ही Avatar Auto Setup या स्वयंचलित प्रणालीद्वारे या तंत्रज्ञानाचा प्लॅटफॉर्मवरील परिणाम अनुभवू शकता. ही प्रणाली फक्त जिओमेट्री-आधारित इनपुट मॉडेलला Roblox-सुसंगत, सानुकूलनक्षम, अ‍ॅनिमेशन-तयार, रिग केलेले आणि स्किन केलेले अवतारमध्ये रूपांतरित करते. या प्रणालीमुळे, ज्या प्रक्रियेला पूर्वी एक आठवडा लागायचा, ती आता काही मिनिटांत पूर्ण होऊ शकते.

रॉब्लॉक्सवर लोकांना स्वतःचा अभिव्यक्ती करण्याचा एक लोकप्रिय मार्ग म्हणजे त्यांच्या अवतारच्या केसांमध्ये बदल करणे. फक्त २०२३ मध्येच, रॉब्लॉक्स वापरकर्त्यांनी १३९ दशलक्षाहून अधिक हेअरस्टाइल खरेदी केल्या, आणि ७.३ दशलक्ष वापरकर्त्यांनी पाच किंवा त्याहून अधिक हेअरस्टाइल खरेदी केल्या. परंतु प्रत्यक्षात जशी प्रत्येक केस हलते तशीच ती हलत असलेली वास्तववादी हेअरस्टाइल तयार करणे अत्यंत आव्हानात्मक आहे. सरासरी, मानवी डोक्याच्या त्वचेवर 100 ते 150 हजार केसांच्या कोंडा असतात. त्या प्रमाणात जटिल भूमितीचे अनुकरण, संग्रहण आणि हस्तांतरण करणे संगणकीय कार्यक्षमता आणि मजबुती या दोन्ही दृष्टीने अवघड आहे.

त्यांच्या "Real-time Physically Guided Hair Interpolation" या पेपरमध्ये, Roblox चे Cem Yuksel आणि LightSpeed Studios व युटा विद्यापीठातील त्यांच्या सहकाऱ्यांनी विद्यमान सिम्युलेट केलेल्या मार्गदर्शक केसांच्या डेटाचा वापर करणारी एक नवीन भौतिक-चालित केस इंटरपोलेशन योजना सादर केली आहे. हे काम जवळजवळ कोणताही अतिरिक्त ओव्हरहेड न वाढवता अनुभवांसाठी केसांच्या रेंडरिंगच्या दृश्य गुणवत्तेत लक्षणीय सुधारणा करते.

वास्तविक 3D सिम्युलेशन आणि रेंडरिंग

Roblox वरचे निर्माते फक्त लोक खेळण्यासाठी किंवा कनेक्ट होण्यासाठी सामील होणाऱ्या अनुभवांची निर्मिती करत नाहीत, तर त्या अनुभवांमध्ये दिसणाऱ्या वस्तूंचीही निर्मिती करतात. Roblox जसे जसे कमी रिझोल्यूशनच्या Android पासून उच्च रिझोल्यूशनच्या गेमिंग कन्सोल किंवा VR हेडसेटपर्यंत विविध प्लॅटफॉर्मवर उपलब्ध होत आहे, तसे या वस्तू वापरकर्त्याच्या डिव्हाइसवर शक्य तितक्या सर्वोत्तम रिझोल्यूशनमध्ये दाखवणे महत्त्वाचे आहे.

प्रकाश आणि सावली 3D रेंडरिंगसाठी अनेकदा आव्हान निर्माण करतात. अलीकडील संशोधनाने मोठी प्रगती केली आहे, परंतु विद्यमान पद्धतींमध्ये डेप्थ ऑफ फील्ड आणि अँटी-अलियासिंगसारख्या कॅमेरा इफेक्ट्समुळे धुसरपणा दिसू शकतो. NVIDIA आणि युटा विद्यापीठाच्या सहकार्याने, Roblox चे Cem Yuksel "Area ReSTIR: Resampling for Real-Time Defocus and Antialiasing" सादर करतात. या कामात ReSTIR मध्ये एरिया सॅम्पलिंग सादर केले आहे, जे या कॅमेरा इफेक्ट्सना अधिक कार्यक्षमतेने सोडवते. अंतिम परिणाम म्हणजे प्रकाश आणि सावलींमधील परिभाषा सुधारणे आणि अधिक तपशील, ज्यासाठी कमी नमुने लागतात.

Bistro_ReSTIR.webp
ReSTIR च्या मागील आवृत्तीसह दाखवलेली रस्त्यावरील दृश्य. 
Bistro_AreaReSTIR.webp

आमच्या नवीन Area ReSTIR सह दाखवलेली तीच रस्त्यावरील दृश्य, प्रकाश आणि सावलींमध्ये सुधारणांसह.

त्यांच्या पेपर "A Unified Differentiable Boolean Operator with Fuzzy Logic" मध्ये, Roblox चे Hsueh Derek Liu आणि त्यांच्या सहकाऱ्यांनी एक अशी पद्धत मांडली आहे जी रचनात्मक सॉलिड जिओमेट्री (CSG) 3D प्रतिनिधित्वांसाठी जनरेटिव्ह AI सक्षम करते. Roblox चे फिजिक्स सिम्युलेटर त्याची मजबुती CSG द्वारे अभियांत्रिकी उद्योगातील सॉलिड मॉडेलिंगमधून मिळवते, ज्यामुळे संभाव्य आभासी आकृत्या तयार करणे सुलभ होते. मनोरंजन उद्योगातील पातळ पृष्ठभाग मॉडेलिंग अधिक सामान्य आहे, परंतु ते एखाद्या वस्तूच्या आतल्या घनतेचे प्रतिनिधित्व करत नाही. CSG पूर्वी जनरेटिव्ह एआयशी सुसंगत नव्हते कारण भूमितीवर एआयचे प्रशिक्षण आणि त्याचा वापर करण्याच्या डिफरेंशिएशन टप्प्यासाठी आकारांच्या सातत्यपूर्ण उत्क्रांतीसारखी गणितीय गुणधर्म आवश्यक असते. "फझी" ऑपरेशन्स करण्यासाठी नवीन गणितीय प्रिमिटिव्ह तयार करून, आम्ही डिफरेंशिएबल CSG साध्य केले आणि त्यातून CSG जनरेटिव्ह एआय तयार केले.

smooth_boolean_modeling.webp
रबरसारख्या लोचदार पदार्थांचे अचूक अनुकरण करणे संगणक ग्राफिक्समध्ये अत्यंत आव्हानात्मक मानले जाते. Roblox चे लियू आणि त्यांच्या सहकाऱ्यांनी Stabler Neo-Hookean Simulation — Absolute Eigenvalue Filtering for Projected Newton ही नवीन पद्धत सादर केली आहे, जी सिम्युलेशन स्थिर करण्यासाठी उपयुक्त आहे. या नवीन पद्धतीसाठी विद्यमान फ्रेमवर्कमध्ये फक्त एका ओळीचा कोड बदल करावा लागतो आणि स्थिरता तसेच अभिसरण गतीमध्ये लक्षणीय सुधारणा होते. परिणामी तयार झालेल्या मॉडेल्सना ताणल्यावर अधिक स्थिर आकार टिकून राहतो.
Artboard 1.webp
पूर्वीच्या सामान्य सिम्युलेशन पद्धतींना सिम्युलेशनच्या वास्तविकते आणि आवश्यक संगणकीय संसाधनांमध्ये तडजोड करावी लागायची. Roblox चे युक्सेल आणि युटा विद्यापीठातील त्यांच्या सहकाऱ्यांनी Vertex Block Descent ही एक नवीन पद्धत सादर केली आहे, जी जलद आणि मजबूत फिजिक्स सिम्युलेशन दोन्ही प्रदान करते. ही पद्धत 3D डायनॅमिक्ससाठीच्या पूर्वीच्या सिम्युलेशन प्रक्रियांपेक्षा अधिक वेगवान आणि अधिक स्थिर आहे.

सुमारे दोन दशकांपासून, आमच्या प्लॅटफॉर्मला आणि त्यावर फुलत-फुलेल समुदायाला तांत्रिक नवकल्पनांमुळे सशक्त केले गेले आहे, हे Roblox च्या संशोधन व विकासातील (R&D) मोठ्या गुंतवणुकीमुळे शक्य झाले आहे. उत्कृष्ट R&D साठी जोखीम घेणे आणि प्रामाणिक मूल्यमापन करणे आवश्यक असते. आमच्या सर्व R&D तपासण्या योग्य स्वरूपात किंवा योग्य वेळी उत्पादन वैशिष्ट्ये बनण्यास योग्य परिणाम साधत नाहीत, आणि या लेखात वर्णन केलेले कार्य अनुमानित व भविष्योन्मुख आहे. तथापि, आम्हाला आनंद आहे की येथे वर्णन केलेल्या काही नवीन तंत्रांचा समावेश Roblox निर्मात्यांसाठी उपलब्ध असलेल्या साधनांमध्ये आधीच झाला आहे, ज्यामुळे अधिक वास्तववादी अवतार आणि 3D जग अनलॉक होत आहेत. सर्व संशोधन म्हणजे या क्षेत्राच्या एकूण प्रगतीसाठी आणि 3D इमर्सिव्ह प्लॅटफॉर्मसाठी तंत्रज्ञानाच्या विकासासाठी टाकलेले पाऊल आहे.

एआय, अवतार, भौतिकशास्त्र आणि ग्राफिक्स या सर्व क्षेत्रांमध्ये, आम्हाला SIGGRAPH 2024 मध्ये जगासमोर नवीन प्रगती सादर करताना आनंद होत आहे.