Flex3Dは、一枚の写真またはテキストプロンプトから高品質な3Dアセットを生成する2段階のプロセスです。この技術は3D再構築分野における最新の進歩を代表しており、3Dコンテンツ生成の効率と品質を大幅に向上させることができます。Flex3Dの開発はMetaの支援を受けており、チームメンバーは3D再構築とコンピュータビジョンの分野で豊富な経験を持っています。

GameGen-Oは、オープンワールドビデオゲームの生成用に特化して設計された、初の拡散変換モデルです。革新的なキャラクター、ダイナミックな環境、複雑なアクション、多様なイベントなど、ゲームエンジンの様々な特性をシミュレートすることで、高品質なオープンワールドの生成を実現します。さらに、インタラクティブな制御機能を提供し、ゲームプレイのシミュレーションを可能にします。GameGen-Oの開発には、ゼロからの包括的なデータ収集と処理が含まれており、最初のオープンワールドビデオゲームデータセット（OGameData）の構築、独自のデータパイプラインによる効率的なソート、評価、フィルタリング、タイトルの分離などが行われました。この強力かつ広範なOGameDataが、モデルのトレーニングプロセスの基盤となっています。

GameNGenは、ニューラルモデルによって完全に駆動されるゲームエンジンです。複雑な環境とのリアルタイムインタラクションを実現し、長時間の軌跡においても高画質を維持します。古典的なゲーム『DOOM』を1秒間に20フレームを超える速度でインタラクティブにシミュレートすることができ、次フレーム予測のPSNRは29.4に達し、これは非可逆JPEG圧縮と同等です。人間の評価者は、ゲームの断片とシミュレーションの断片を区別する際に、ランダムな偶然よりもわずかに優れているに過ぎません。GameNGenは2段階のトレーニングによって実現されます。(1) RLエージェントがゲームをプレイし、トレーニングセッションのアクションと観測結果を記録して、生成モデルのトレーニングデータとします。(2) 拡散モデルをトレーニングして、過去のアクションと観測シーケンスを条件として、次フレームを予測します。条件付き強化により、長時間の軌跡において安定した自己回帰生成が可能になります。

EgoGaussianは、RGB一人称視点入力のみを用いて、3Dシーンの再構築と物体の動きの動的追跡を同時に行う、高度な3Dシーン再構築と動体追跡技術です。この技術は、ガウス散乱の独自の離散特性を利用して動的インタラクションを背景から分離し、セグメントレベルのオンライン学習プロセスを通じて、人間の活動の動的特性を利用して、時間順序でシーンの進化を再構築し、剛体の運動を追跡します。EgoGaussianは、野外ビデオの課題において、以前のNeRFや動的ガウス法を凌駕し、再構築モデルの質においても優れた性能を示しています。

GaussianCubeは、構造化され明示的な表現方法を用いることで、3D生成モデリングを飛躍的に進歩させる革新的な3D放射表現手法です。この技術は、新規な密度制約付きガウス近似アルゴリズムと最適輸送法を用いて、ガウス関数を事前に定義されたボクセルグリッドに再配置することで、高精度な近似を実現します。従来の陰的特徴復号器や空間的に非構造化された放射表現と比較して、GaussianCubeはより少ないパラメータ数でより高品質な結果を得ることができ、3D生成モデリングを容易にします。

Unique3Dは、清華大学チームが開発した技術であり、一枚の画像から高忠実度のテクスチャ付き3Dメッシュモデルを生成できます。この技術は画像処理と3Dモデリングの分野において重要な意味を持ち、ユーザーは2D画像を迅速に3Dモデルに変換できるため、ゲーム開発、アニメーション制作、仮想現実などの分野に強力な技術サポートを提供します。

VastGaussianは、3Dガウシアンを使用して大規模シーンの幾何学的および外観情報をモデル化する、オープンソースの3Dシーン再構成プロジェクトです。本プロジェクトはゼロから実装されたものであり、いくつかの不具合が含まれている可能性がありますが、3Dシーン再構成分野における新たな試みを提供します。主な利点としては、大規模データセットの処理能力、および元の3DGSプロジェクトに対する改良（理解と使用の容易化）が挙げられます。

PhysDreamerは、ビデオ生成モデルによって学習されたオブジェクトの動力学の事前知識を活用することで、静的な3Dオブジェクトにインタラクティブな動力学を与える物理ベースの手法です。この手法により、現実の物体の物理的属性データが不足している場合でも、新たなインタラクション（外力や代理操作など）に対するリアルな反応をシミュレートできます。PhysDreamerは、ユーザー調査によって合成されたインタラクションのリアリティを評価し、より魅力的でリアルな仮想体験の発展を促進します。

Interactive3Dは、インタラクティブな設計によりユーザーに正確な制御能力を提供する、高度な3D生成モデルです。このモデルは、二段階カスケード構造を採用し、異なる3D表現方法を利用することで、生成プロセスのあらゆる中間段階で修正や誘導を可能にします。その重要性は、ユーザーが3Dモデル生成プロセスを精密に制御できることであり、特定のニーズを満たす高品質な3Dモデルの作成を可能にします。

MakerLabは、花瓶ジェネレーターや看板カスタマイザーなど、様々な3Dモデルデザインツールを提供するオンラインプラットフォームです。ユーザーは、自身のニーズに合わせて、迅速かつ簡単にパーソナライズされた3Dモデルを作成できます。テンプレートを使った作品制作をサポートする他、AIスキャナーなどの最先端技術を試せるクリエイティブ実験場も提供しています。MakerLabはBamBam Labが運営しており、ユーザーが自由に創作し、アイデアを共有できる場を目指しています。現在、無料と有料のサービスを提供しており、ユーザーは自身のニーズに合ったサービスを選択できます。

Flex3Dは、一枚の写真またはテキストプロンプトから高品質な3Dアセットを生成する2段階のプロセスです。この技術は3D再構築分野における最新の進歩を代表しており、3Dコンテンツ生成の効率と品質を大幅に向上させることができます。Flex3Dの開発はMetaの支援を受けており、チームメンバーは3D再構築とコンピュータビジョンの分野で豊富な経験を持っています。

GameGen-Oは、オープンワールドビデオゲームの生成用に特化して設計された、初の拡散変換モデルです。革新的なキャラクター、ダイナミックな環境、複雑なアクション、多様なイベントなど、ゲームエンジンの様々な特性をシミュレートすることで、高品質なオープンワールドの生成を実現します。さらに、インタラクティブな制御機能を提供し、ゲームプレイのシミュレーションを可能にします。GameGen-Oの開発には、ゼロからの包括的なデータ収集と処理が含まれており、最初のオープンワールドビデオゲームデータセット（OGameData）の構築、独自のデータパイプラインによる効率的なソート、評価、フィルタリング、タイトルの分離などが行われました。この強力かつ広範なOGameDataが、モデルのトレーニングプロセスの基盤となっています。

GameNGenは、ニューラルモデルによって完全に駆動されるゲームエンジンです。複雑な環境とのリアルタイムインタラクションを実現し、長時間の軌跡においても高画質を維持します。古典的なゲーム『DOOM』を1秒間に20フレームを超える速度でインタラクティブにシミュレートすることができ、次フレーム予測のPSNRは29.4に達し、これは非可逆JPEG圧縮と同等です。人間の評価者は、ゲームの断片とシミュレーションの断片を区別する際に、ランダムな偶然よりもわずかに優れているに過ぎません。GameNGenは2段階のトレーニングによって実現されます。(1) RLエージェントがゲームをプレイし、トレーニングセッションのアクションと観測結果を記録して、生成モデルのトレーニングデータとします。(2) 拡散モデルをトレーニングして、過去のアクションと観測シーケンスを条件として、次フレームを予測します。条件付き強化により、長時間の軌跡において安定した自己回帰生成が可能になります。

これはGoogle DeepMindチームが開発したロボット卓球エージェントモデルです。深層学習技術を用いて、アマチュアの人間選手と競争できるレベルの能力を実現しました。この技術の重要性は、高速な動作、リアルタイムでの正確な意思決定、戦略立案における技術開発を推進するだけでなく、ロボットと人間の直接的な競争における貴重な基準を提供することにあります。

「ロックに勝つものは？」は、プレイヤーの論理的思考力と問題解決能力を試すオンライン知力ゲームです。 「石に勝つものは何か？」といった問題を通して、プレイヤーは思考を深め、答えを探します。脳トレになるだけでなく、気軽に楽しめるエンターテイメントを提供します。

EgoGaussianは、RGB一人称視点入力のみを用いて、3Dシーンの再構築と物体の動きの動的追跡を同時に行う、高度な3Dシーン再構築と動体追跡技術です。この技術は、ガウス散乱の独自の離散特性を利用して動的インタラクションを背景から分離し、セグメントレベルのオンライン学習プロセスを通じて、人間の活動の動的特性を利用して、時間順序でシーンの進化を再構築し、剛体の運動を追跡します。EgoGaussianは、野外ビデオの課題において、以前のNeRFや動的ガウス法を凌駕し、再構築モデルの質においても優れた性能を示しています。

GaussianCubeは、構造化され明示的な表現方法を用いることで、3D生成モデリングを飛躍的に進歩させる革新的な3D放射表現手法です。この技術は、新規な密度制約付きガウス近似アルゴリズムと最適輸送法を用いて、ガウス関数を事前に定義されたボクセルグリッドに再配置することで、高精度な近似を実現します。従来の陰的特徴復号器や空間的に非構造化された放射表現と比較して、GaussianCubeはより少ないパラメータ数でより高品質な結果を得ることができ、3D生成モデリングを容易にします。

Unique3Dは、清華大学チームが開発した技術であり、一枚の画像から高忠実度のテクスチャ付き3Dメッシュモデルを生成できます。この技術は画像処理と3Dモデリングの分野において重要な意味を持ち、ユーザーは2D画像を迅速に3Dモデルに変換できるため、ゲーム開発、アニメーション制作、仮想現実などの分野に強力な技術サポートを提供します。