AM易道深度实测

做逆向的读者朋友大概都有过这种经历：

客户拿来一个老旧零件，表面磨损、边角残缺，扫描仪转了二十分钟，出来的点云还是千疮百孔。

补面、对齐、修复，一套流程走下来，工时费比重新建模还贵。

而现在，Meta AI说：

给我一张照片就够了。

他们最近刚刚发布的SAM 3D，试图用一种近乎"脑补"的方式重建三维世界。

即便物体被遮挡、视角残缺，AI也能像人类想象那样，把看不见的部分生成出来。

如果这条技术路线走通，困扰3D打印行业多年的建模难、逆向贵、数据缺这三座大山，可能真的要被撼动了。

Meta AI的王炸：从读懂像素到重构几何

这次Meta主要发布了两个AI技术，一个是更懂语义的分割模型SAM 3。

他有着强大的语义理解能力，可以分割提取图片中的任意元素。不过他并不是我们今天的重点。

我们今天的主角是SAM 3D。

这是一款三维重建模型。

他们这次解决了一个困扰计算机视觉界多年的难题：如何在信息缺失的情况下，精准还原三维物体？

简单来说，比如一张照片只拍到物体的一个角度，如何能够还原物体的其他细节和观察角度？

比如说这一组家具，沙发被吉他和小桌子挡住了。

我们人类可能很轻易的就想象出被遮挡的部分是什么样子。这个沙发是什么形状的

而SAM 3D就具备这种理解并重建3D世界的能力。

给它一张图，即便物体被遮挡、视角刁钻，它也能像人类脑补一样，把背面和被遮挡的部分生长出来，直接生成3D模型。

以前我们3D建模行业要是想将一个现实世界的物品做成3D模型。

要不是做光度立体或者摄影测量（Photogrammetry），得绕着物体拍几十张照片，还得算重叠率，然后再用计算机渲染很长时间。

而且稍微有个遮挡，模型就炸了，全是破面。

而现在只需要SAM 3D一张图片，他就可以把图片里的元素全都转成3D模型。

可能有人认为这个不就是图片生成3D模型，早就有很多AI模型了嘛。

其实这个和过往的3DAI是不一样的。

过往的3D AI他只能根据你给出来的图片素材，然后机械的将其转化成一个3d模型。

你给什么，他就生成什么。

而SAM 3D就不一样的，他有对世界的理解能力。即使有遮挡之类的，他也可以想象出来。

比如说这个图片。这个叉车被前边的旗子挡住了。

而SAM就可以识别出来，并准确地生成模型。

以下是官方的其他使用案例。

大型复杂场景也不在话下。

另外SAM 3D还有一个特殊版本SAM 3D Body，对于构建人体有着特殊的优化，可以更好的识别人体并生成相应的模型。

AM易道实测体验

我们实际体验了一下这款产品，结果很出乎意料。

官方的体验平台中，AI生成的模型与宣传效果相差甚远，甚至我们一开始还以为用错了模型。

比如我们上传一个很简单的耳机架模型。

这就是几个简单的几何体组成的形状，按道理来说，AI应该可以很轻松地识别出来。

但是他实际生成的模型是这样的：

这个乐高手的部分没有很好的识别出立体效果来。

后来我们又用了一个卡通图片:

这估计会是大家经常会需要AI制作模型的场景。

但是实际上AI并没有很好的识别出小猫咪。

直接生成了一个小团子。

后来我们认为可能是官方的训练数据还不够丰富，AI还不认识这种物体。

所以我们又选了一些常见物件来测试：

这次AI生成的效果倒是还不错。

比如我们发给他一个桌子的照片：

这是他生成的模型：

桌子的格子倒是很好的识别出深度来了，没有被上面摆着的电脑主机影响思考。

直观感受，现在meta这个AI还是处于很基础的水平。

实际体验远没有官方宣传的效果那么好。

我们只能说，期待他未来的发展吧。

结语

坦白讲，SAM 3D目前的实际效果让人失望。

官方演示里那些惊艳的案例，在我们手里复现时大打折扣。

但技术从来不是一步到位的。

回想十年前，桌面级3D打印机打出来的东西层纹粗糙、精度感人，很多人断言这玩意儿成不了气候。

而今天，故事已开始高奏凯歌。

SAM 3D让我们看到的，不是一个成熟的解决方案，而是一个清晰的方向：

未来的三维建模入口，很可能从复杂的扫描流程和高门槛软件，变成一张照片加一次AI推理。 

工程师和设计师要做的，是接过AI给出的那个八分底模，完成最后那20%的精修和判断。

这对行业意味着什么？

扫描设备不会立刻被淘汰，但它的角色可能从必经之路变成高精度补充。

逆向工程的成本结构会被重塑，小批量定制的门槛会进一步降低。

而那些花了十年练就的建模手艺、对几何结构的直觉判断、对公差和工艺的理解。

至少几年内，我们判断，这些属于人的能力，反而会因为AI分担了重复劳动，变得更加珍贵。

我们会持续跟进SAM 3D的迭代与应用落地。

也欢迎各位读者在评论区聊聊：

如果单图建模真的成熟了，您的工作流会怎么变？