Meshy 7 में नए मॉडल से भी दुर्लभ कुछ आया है: उसे जाँचने का तरीका
Meshy ने 10 अगस्त को Meshy 7 लॉन्च किया और 12 अगस्त को सार्वजनिक रूप से इसकी घोषणा की। यह एक नया इमेज-टू-3D फाउंडेशन मॉडल है, और कंपनी ने इसे एक ही गुण के लिए अनुकूलित किया है: ज्योमेट्री अलाइनमेंट, यानी इसकी बनाई आकृति आपके दिए हुए चित्र से कितनी करीब से मेल खाती है।
यह ऐसे रिलीज़ में आम तौर पर किए जाने वाले दावों से संकरा, लेकिन अधिक उपयोगी दावा है। इमेज-टू-3D की अधिकांश घोषणाएँ किसी प्रमुख एसेट के टर्नटेबल रेंडर पर टिकी होती हैं, जो केवल इतना बताते हैं कि मॉडल कुछ प्रभावशाली बना सकता है—यह नहीं कि उसने वही चीज़ बनाई जिसे आपने माँगा था। जिसने भी कॉन्सेप्ट आर्ट को किसी 3D जनरेटर में डाला है, वह उस विफलता को जानता है जिसमें सचमुच समय खर्च होता है। मेश अच्छा दिखता है। मगर वह आपका डिज़ाइन नहीं है।
बेंचमार्क इसका दिलचस्प आधा हिस्सा है
मॉडल के साथ Meshy ने एक ज्योमेट्री बेंचमार्क की पद्धति और उसके शुरुआती नतीजे भी प्रकाशित किए। Meshy 7 ने समग्र अनुपात में 81.0%, स्थानिक वितरण में 79.7% और सतह के विवरण में 59.8% स्कोर किया तथा तीनों श्रेणियों में चार प्रतिस्पर्धी इमेज-टू-3D मॉडलों से आगे रहा। सबसे बड़ा अंतर सतह के विवरण में है, जहाँ सिंगल-व्यू परिस्थितियों में यह अगले सर्वश्रेष्ठ मॉडल से 5.3 अंक आगे है। परीक्षणों में सामने का दृश्य, ऊपर से उठा हुआ तीन-चौथाई दृश्य और चार दृश्यों के संयोजन शामिल थे। असली अंतर सिंगल-व्यू में दिखता है, क्योंकि मल्टी-व्यू इनपुट के साथ बढ़त घटकर लगभग दो अंक रह जाती है।
परीक्षण किए गए किसी भी मॉडल ने एक चित्र से सतह के विवरण में 60% का आँकड़ा पार नहीं किया। यही संख्या इस रिलीज़ की ईमानदार सुर्खी है, और इस तकनीक की मौजूदा स्थिति का सही वर्णन भी: अनुपात की समस्या लगभग हल हो चुकी है, लेकिन सतह की बारीक ज्योमेट्री की नहीं।
Meshy का प्रकाशित ज्योमेट्री बेंचमार्क, जिसमें Meshy 7 को चार अनाम प्रतिस्पर्धियों के मुकाबले स्कोर किया गया है। चार्ट: Meshy।
ध्यान देने लायक चीज़ इसकी कार्यप्रणाली है। Meshy ने जनरेट की गई ज्योमेट्री को सीधे उन रेफ़रेंस मॉडलों के मुकाबले स्कोर किया जिन्हें प्रशिक्षण से अलग रखा गया था। इसके लिए न तो मानवीय पसंद पर मतदान कराया गया और न ही किसी विज़न-लैंग्वेज मॉडल को निर्णायक बनाया गया। ज्योमेट्री की ज्योमेट्री से तुलना करने पर स्रोत कैमरे का अनुमान लगाने की ज़रूरत नहीं रहती, और मॉडल किसी अक्ष पर आकार बदलकर अनुपात की त्रुटियाँ नहीं छिपा सकता ताकि केवल सिलुएट मेल खाने लगे। मॉडल की ओर से, इमेज एनकोडर अब इनपुट को कई स्केल पर पढ़ता है और अधिक रिज़ॉल्यूशन स्वीकार करता है, जिससे बारीक आकृति औसत होकर खोने के बजाय जनरेशन तक बनी रहती है। प्रशिक्षण डेटा भी दोबारा तैयार किया गया है, ताकि हर नमूना अपनी लक्ष्य ज्योमेट्री से बिल्कुल मेल खाए और उसमें से शैली, प्रकाश तथा पृष्ठभूमि हटा दी जाए।
स्पष्ट चेतावनी यहाँ पूरी तरह लागू होती है। ये विक्रेता द्वारा डिज़ाइन किए गए बेंचमार्क पर उसी विक्रेता के आँकड़े हैं, और तुलना ऐसे चार प्रतिस्पर्धियों से की गई है जिनके नाम उसने बताने से इनकार कर दिया। Unite.AI ने अपने लेख में इसे अच्छी तरह कहा: यहाँ सामान्य संदेह लागू होता है। Meshy का कहना है कि बेंचमार्क स्वयं लॉन्च के बाद अलग से जारी किया जाएगा, और तभी इस दावे को परखा जा सकेगा, क्योंकि सवाल यह नहीं है कि Meshy 7, Meshy द्वारा चुने गए रेफ़रेंस पर जीतता है या नहीं। टेक्सचर एक अलग समस्या है, जिसकी अपनी अलाइनमेंट कहानी है, और Meshy का कहना है कि टेक्सचर बेंचमार्क बाद में आएगा।
अगर आप प्रॉप जनरेट कर रहे हैं, तो इसका क्या मतलब है
हम प्रोडक्शन में इमेज-टू-3D का उपयोग करते हैं, इसलिए यह लीडरबोर्ड की बहस नहीं, बल्कि व्यावहारिक मामला है। Tencent की Hunyuan3D श्रृंखला और Tripo दोनों हमारे स्टैक का हिस्सा हैं, और हम पहले भी इस बारे में लिख चुके हैं कि Meshy एसेट के आगे क्या बना रहा है।
चेहरे के भावों, हार्ड-सर्फ़ेस मैकेनिक्स और रिलीफ़ नक्काशी के लिए रेफ़रेंस चित्र, कच्ची ज्योमेट्री और फिर टेक्सचरयुक्त परिणाम। चित्र: Meshy।
गेम कंटेंट के लिए अलाइनमेंट सबसे अहम मेट्रिक है, लेकिन इसे कम आँका जाता है क्योंकि इसमें दिखावा नहीं है। कोई प्रॉप सुंदर हो सकता है, लेकिन अगर वह 20% ज़्यादा चौड़ा है, तो पहले से बने दरवाज़े के फ़्रेम के पास सीन में रखते ही बेकार हो जाता है। जिस कैरेक्टर के अनुपात कॉन्सेप्ट आर्ट से भटकते हैं, उसके लिए रिग दोबारा बनाना पड़ता है। जब आप किसी एक लेवल के लिए दर्जन भर प्रॉप जनरेट कर रहे हों, तो लगभग सही नतीजे की लागत रेंडर नहीं होती; लागत यह होती है कि आपको उस चूक को पहचानकर फिर से पूरी प्रक्रिया चलानी पड़ती है। अनुपात की सटीकता का हर अतिरिक्त अंक किसी व्यक्ति को दोबारा प्रयास करने से बचाता है।
इसे देखने की एक और वजह है: प्रशिक्षण से अलग रखे गए रेफ़रेंस के मुकाबले स्कोर की गई ज्योमेट्री एक ऐसा माप है जिसे कोई भी अपना सकता है। अगर बेंचमार्क बताए गए रूप में जारी होता है और दूसरी लैब भी इसे चलाती हैं, तो इमेज-टू-3D को चुनिंदा सर्वश्रेष्ठ रेंडरों की गैलरी के बजाय एक साझा पैमाना मिल जाएगा। गेम रिलीज़ करने वाले लोगों के लिए यह किसी भी एक मॉडल रिलीज़—इस रिलीज़ समेत—से अधिक मूल्यवान होगा।
Meshy 7 सभी सब्सक्रिप्शन स्तरों पर उपलब्ध है, लेकिन मॉडल डाउनलोड केवल Pro और उससे ऊपर के स्तरों के लिए है। फिलहाल Ultra Mode केवल सिंगल-व्यू के लिए है और कंपनी का कहना है कि मल्टी-व्यू संस्करण भी जल्द आ रहा है। कंपनी ने $1.5 बिलियन के मूल्यांकन पर Series B में लगभग $400 मिलियन जुटाए हैं, और इसी संदर्भ में उसने एक ही सप्ताह में फाउंडेशन मॉडल और बेंचमार्क दोनों जारी किए हैं।