Meshy 7 chega com algo mais raro que um novo modelo: uma forma de verificá-lo
A Meshy lançou o Meshy 7 em 10 de agosto e o anunciou publicamente em 12 de agosto. É um novo modelo-base de imagem para 3D, e a empresa o ajustou para uma única propriedade: o alinhamento da geometria, ou seja, o quanto a forma gerada corresponde à imagem fornecida.
É uma proposta mais específica do que esses lançamentos costumam apresentar — e mais útil. A maioria dos anúncios de modelos de imagem para 3D se apoia em renderizações giratórias de um asset de destaque, que mostram que o modelo consegue produzir algo impressionante, mas não revelam se ele produziu o que foi pedido. Quem já forneceu uma arte conceitual a um gerador 3D conhece a falha que realmente custa tempo. A malha parece boa. Mas não é o seu design.
O benchmark é a parte interessante
Junto com o modelo, a Meshy publicou o método por trás de um benchmark de geometria e seus primeiros resultados. O Meshy 7 alcança 81,0% em proporção geral, 79,7% em distribuição espacial e 59,8% em detalhes de superfície, superando quatro modelos concorrentes de imagem para 3D nos três quesitos. A maior vantagem aparece nos detalhes de superfície: 5,3 pontos à frente do segundo colocado, em condições de vista única. Os testes abrangeram uma vista frontal, uma vista superior elevada em três quartos e combinações de quatro vistas. É na vista única que ocorre a maior diferenciação, pois, com entradas de múltiplas vistas, a distância entre os modelos cai para cerca de dois pontos.
Nenhum dos modelos testados supera 60% em detalhes de superfície a partir de uma única imagem. Esse número é a manchete mais honesta do lançamento e descreve bem o estágio atual da tecnologia: as proporções estão quase resolvidas; a geometria fina de superfície, não.
Benchmark de geometria publicado pela Meshy, comparando o Meshy 7 com quatro concorrentes não identificados. Gráfico: Meshy.
A metodologia é o que merece atenção. A Meshy avaliou diretamente a geometria gerada em relação a modelos de referência separados do treinamento, em vez de realizar votações de preferência humana ou deixar o julgamento a cargo de um modelo de visão e linguagem. Comparar geometria com geometria elimina a necessidade de estimar a câmera da imagem original e impede que um modelo esconda erros de proporção redimensionando um eixo até que a silhueta corresponda. No modelo, o codificador de imagem agora processa a entrada em várias escalas e aceita uma resolução maior, para que as formas detalhadas sobrevivam ao processo de geração em vez de serem diluídas. Os dados de treinamento também foram reconstruídos para que cada amostra corresponda exatamente à sua geometria de destino, sem estilo, iluminação ou fundo.
A ressalva óbvia se aplica plenamente. Esses são números do fornecedor em um benchmark criado pelo próprio fornecedor, contra quatro concorrentes que ele optou por não identificar. A Unite.AI resumiu bem em sua análise: vale o ceticismo habitual. A Meshy afirma que o benchmark será lançado separadamente após o modelo, e será nesse momento que a alegação poderá ser testada, porque a questão não é se o Meshy 7 vence usando referências escolhidas pela própria Meshy. Textura é um problema separado, com sua própria questão de alinhamento, e a Meshy diz que um benchmark de texturas será lançado posteriormente.
O que isso significa para quem gera props
Usamos modelos de imagem para 3D em produção, então esta é uma questão prática, não uma discussão sobre rankings. A linha Hunyuan3D da Tencent e o Tripo fazem parte da nossa stack, e já escrevemos sobre o que a Meshy está desenvolvendo além de assets.
Imagem de referência, geometria bruta e resultado texturizado, passando por expressões, mecanismos de superfície rígida e entalhes em relevo. Imagens: Meshy.
O alinhamento é a métrica mais importante para conteúdo de jogos e recebe menos atenção do que deveria por não ser algo chamativo. Um prop bonito, mas 20% largo demais, deixa de funcionar assim que é colocado em uma cena ao lado de um batente que outra pessoa já construiu. Um personagem cujas proporções se desviam da arte conceitual exige que o rig seja refeito. Ao gerar uma dúzia de props para uma única fase, o custo de um resultado quase certo não está na renderização, mas na necessidade de identificar o erro e tentar novamente. Cada ponto de precisão nas proporções representa uma nova tentativa que alguém não precisa executar.
Há outro motivo para acompanhar isso: avaliar a geometria com base em referências separadas é um método que qualquer pessoa pode adotar. Se o benchmark for lançado conforme descrito e outros laboratórios o utilizarem, os modelos de imagem para 3D ganharão uma métrica comum, em vez de dependerem de uma galeria de renderizações escolhidas entre os melhores resultados. Para quem lança jogos, isso valeria mais do que qualquer modelo específico, inclusive este.
O Meshy 7 está disponível em diferentes planos de assinatura, com downloads do modelo restritos aos planos Pro e superiores. Por enquanto, o Ultra Mode aceita apenas uma vista, mas o suporte a múltiplas vistas deve chegar em breve. A empresa captou cerca de US$ 400 milhões em uma rodada Série B, com uma avaliação de US$ 1,5 bilhão — o contexto por trás do lançamento de um modelo-base e um benchmark na mesma semana.