Transcription
好的，接下来我们将迎来 INDG 的首席技术官 Daniel Havman，他将揭示如何大规模解锁 3D 内容的力量，并了解自动化如何驱动跨越每一个接触点的精准营销。所以，请大家和我一起欢迎 Daniel Havman。 [掌声] 大家好。很高兴来到这里。嗯，希望你们都度过了愉快的一天。嗯，我们是一家名为 ING 的公司。嗯，我们制作一款名为 Grip 的软件。嗯，你们可能没听说过我们。嗯，但我们已经存在 25 年了。嗯，大约有 300 人，我们致力于以软件为基础的方法为许多不同的产品类别和许多不同的行业创建内容。嗯，而且我认为我们试图做的一件关键事情，嗯，这与你们的代理机构或你们的其他内容制作工作室可能做的事情略有不同，就是我们采取了软件方法。我们试图制作软件，以自动化传统劳动密集型内容制作、视觉内容制作的重复性方面。嗯，我们几乎为任何类型的内容都这样做。所以，无论是数字货架上的内容，还是电视广告上的内容，无论是用于户外广告牌还是印刷品，无论是用于超个性化的社交媒体内容，使用人工智能和各种不同的行业领域，嗯，我只是想先展示一下我们用这种方法做的一些事情，然后我们将深入探讨我们如何做某些事情，它与 USD 等有什么关系。谢谢。 [音乐] 热。热。 [音乐] 所以，嗯，我们来自软件背景。嗯，我本人最初是一名软件工程师。嗯，我们一直用 CG 做事情。嗯，并且带着软件思维。所以，当我们继续推出我们在市场上称为 grip 的软件解决方案时，嗯，我们在 2017 年推出了它，对内容制作的看法是从自动化优先开始的。我们觉得这可能对行业来说非常显而易见。嗯，但我们看到并非每个人都在这样做。很多事情总是针对个人行为量身定制的，艺术家调整每一张图片，每一个像素，一切，在那里做重复性的工作。嗯，尤其是工具总是针对艺术家量身定制的，而不是你可以交给任何人来大规模扩展内容的东西。所以，我们开始思考我们如何能够改变我们制作内容的方式，并从制作内容的情况转变为自动生成内容的情况。嗯，然后我们很快就遇到了很多大挑战。嗯，关于数字孪生的挑战。嗯，早在 2017 年我们做这件事的时候，每个渲染器都有自己的材质管道。没有标准化。当时我们合作的许多渲染器甚至没有基于物理的渲染管道。嗯，他们喜欢光线追踪仍然是一个可选的东西。嗯，所以那个领域没有一致性，我们必须解决如何处理实际上可以用于所有这些不同用例的数字孪生。图像变体也是如此。嗯，当我们想把一个产品放在餐厅里，旁边放着食物时，例如，你必须有一张食物和餐厅的照片，否则你就无法考虑在那里放置你的数字孪生。所以，我们必须思考如何大规模生成它并生成它的不同变体。嗯，当时我们最好的选择是考虑，嗯，也许我们可以制作 CG 食物道具，嗯，这根本无法扩展。所以我们面临着巨大的挑战。嗯，还要保持一切符合品牌形象。艺术家付出了很多细节，嗯，试图让灯光的每一个细节都精确、具体且符合品牌形象。艺术总监如何将品牌的所有知识融入他们拍摄的方式，甚至。嗯，这有很多制度化的知识，艺术总监可能甚至不拥有品牌。它在代理机构。所以，弄清楚如何将其转化为一个系统非常困难。嗯，然后你还有所有这些潜在的视觉上不同的组件需要视觉上集成。所以一切都需要合成。显然，我们有像 Nuke 和 Photoshop 这样的出色工具，但当你大规模生成它时，你需要开始思考如何通过整个管道程序化地完成。拥有与创意过程相同的能力，但要进行扩展，然后所有这些都需要以企业规模完成，高性能，以便那些不一定知道他们正在得到什么的人，那些不是艺术家的人，那些无法查看线框图并知道是的，这会很好的人，他们会得到一个看起来像他们想要的东西的预览。所以，嗯，我们有一个特定的方法来解决这个问题。所以，我们的方法是这样的。嗯，我们通常从已经创建的创意开始。所以，有一个美丽的艺术家作品，用于制作一张初始图像，然后我们把这张图像切成碎片，并分配我们称之为控制器。所以，这可能是一些说，“嘿，我们隔离了这个植物，并将其连接到人工智能，人工智能只能改变植物，而不能改变环境中的任何其他东西，因为创意已经由品牌定义，他们想要这个角度，旁边有文本空间，等等。”然后产品由数字孪生驱动，该数字孪生已经应用了该数字孪生应如何渲染的所有规则。所以，如果数字孪生需要非常特定的灯光来突出某个高光或边缘，那么这也已经编码在该数字孪生中。嗯，然后我们将其转化为一个可配置的元素，可以通过 API 或用户界面访问，您可以在其中修改这些内容。所以，这是我们用户界面的一个例子。您可以更改产品。您可以更改来自摄影、合成或人工智能的各种元素，在许多情况下。您可以看到您所做的每一个更改在视觉上都是连贯的、视觉上集成的。产品中的变化改变了产品在洗脸盆上的阴影如何变化，以及一切看起来如何集成。所以，这就是我们如何一起管理所有这些事情。但然后每个组件仍然需要一个解决方案，对吧？所以，对于所有与数字孪生相关的内容，我们都构建在 open USD 之上，嗯，这可以说是我们的理念，我们的基础方法，我们希望确保我们构建这些数字孪生是基于行业最佳实践和开放标准，因为这使我们能够然后将它们插入各种不同的工作流程。嗯，例如，当有代理机构需要创建进入此管道的原始内容时，他们可以采用相同的数字孪生，使用它来创建一些新内容，将其提供给我们的系统，然后我们从中生成变体。嗯，所以拥有这个通用事物可以进入不同的环境对我们来说非常重要，而我们做到这一点的方式基本上是我们构建数字孪生的几个关键支柱。所以，正如我所提到的，我们使用 OpenUSD 来处理所有几何图形，这些几何图形始终是高多边形、非常详细的对象，内置了所有典型变体的变体集，例如 Nivea 奶油的外观。嗯，打开和关闭的版本，特定的位置，以及它们如何定位该产品。嗯，包括材质，我们在 PBR 材质方面构建了行业支持的标准化工作，例如来自 Unreal 的 Disney 原理 BRDF 工作，以定义这些内容，现在正在通过 Open PBR 等工作来烘烤一个从渲染中抽象出来的材质模型，这样你就可以把它带到多个 DCC。嗯，我们还将装饰品与核心对象分开，以便我们可以例如，每当产品包装有新设计时，例如新的标签或该标签的本地化版本，我们都可以动态地将其与数字孪生结合起来，并连接一个自定义管道，该管道模拟所有印刷属性，如压花箔、全息效果叠加在生成的纹理上，您将获得该数字孪生的完美表示。然后，数字孪生通过一个允许我们分层不同渲染上下文的 OpenUSD 功能连接起来，因此该原理 PBR 表示和所有这些细节都为不同的 DCC 获得了自己特定的渲染实现。所以，显然我们为 Omniverse 构建了一个，它允许我们在我们构建的 Omniverse 套件应用程序中进行渲染，但也可以将其提供给其他人，然后他们可以使用 Omniverse 以各种方式从中获得相似质量的渲染。嗯，我们有一个遗留管道，在我们之前构建了所有内容，嗯，它仍然托管一些遗留功能，但由于我们以抽象的方式构建了它，我们仍然可以使用这些遗留功能，也用于较新的文件。嗯，我们有一些客户需要特定格式的导出，如 USDZ 或 glTF，或者他们在 Maya 中工作并使用 Arnold 作为渲染器，然后这些内容叠加在相同的 USD 文件上，这样同一个文件就可以去到多个不同的位置。嗯，我们以三种主要方式使用 OpenUSD 和 Omniverse。嗯，我们将其用作协作机制。嗯，在测验期间已经提到过，USD 的组合方面允许您同时与多人处理文件。嗯，您可以拥有像 Hydra 这样的东西来渲染内容，同时多个团队正在更改内容，每个人都可以同时看到这些更新。嗯，我们还使用它来管理产品的复杂性以及它们在各种不同情况下的外观，使用变体集来确保我们可以标准化地理解产品是打开还是关闭，还是在使用中或为空等等。我们使用它来实现跨多个 DCC 的可交换性，甚至只是我们自己管道的可升级性。如果我们决定改用不同的渲染器或升级我们的渲染器，我们只需要重新实现实现层，而不是重做我们所有的数字孪生，因为它们碰巧是基于当时流行的渲染器构建的。嗯，现在很多人认为，当您拥有数字孪生时，嗯，那么我可以自己制作渲染图，对吧？那么一切都涵盖了。我们对此有略微不同的方法，因为数字孪生对我们来说不是渲染图。嗯，通常您想到的是，您从一个干净的画面开始，就像我们在这里为 rituals 所做的那样，如果您只放入渲染图，它看起来就是这样。您可能对此有看法。我一点也不喜欢。嗯，因为它还没有与环境的照明正确集成，并且它没有影响环境。它没有投下阴影。它没有反映在石头上。嗯，所以我们总是这样做，然后将其与合成结合起来。所以，例如，这里您可以看到我们获取法线来弄清楚环境是什么样的，计算环境的 hcri，将其重新投影到上面，计算所有照明细节和特异性，计算折射，计算对场景的影响，然后您可以看到，例如，这里的阴影现在正在投射，并且里面有一点点反射，然后最终的颜色校正结果以及匹配的噪点水平，您会得到一张完美集成的图像。嗯，我们做到这一点的方式是，您拥有您的数字孪生作为 USD，您拥有您的场景作为 USD，然后它们被组合并加载到我们构建的 Omniverse RTX 套件应用程序中，我们正在我们的软件平台中使用它。嗯，那个套件应用程序通过一些云扩展基础设施，我们确保它要么转到我们为特定客户拥有的专用容量，用于扩展我们的负载，要么动态扩展到云中的自定义实例，然后最终结果会返回到我们的缓存中，这样相同的请求就不会导致新的生成，返回到我们的合成引擎，带有各种不同的层，然后生成最终输出结果。嗯，只是预览一下我们的测试界面，这个 Omniverse 套件应用程序，您可以看到这里有一个渲染图，然后所有用于生成最终结果的通道。嗯，对我们来说，我认为这让我们以及英伟达提供的 Omniverse 技术，并允许我们在其之上进行构建，使我们能够达到一个位置，现在我们拥有可以在任何地方工作的数字孪生。无论您是想生成电子商务内容，还是将其放入 AI 场景，还是想用它生成电视广告，我们都使用同一个文件。然后，该方程的第二部分是其余图像的所有变体。所以，显然现在有很多关于人工智能的讨论。嗯，我认为人们一直在犹豫不决。您在晚上滚动时，您会看到您会得到多少人工智能垃圾。嗯，但最终，它是一种非常强大的工具，但我们试图思考，如果您将相同的工具交给每个人会怎样。所以，如果每个人都可以使用相同的工具，您如何确保您仍然放入使品牌图像成为该品牌不可否认的图像的东西？嗯，如果我们以这组图像为例，您可以看到每张图像，您甚至看不到产品，但每张图像都至少是该类别可识别的。您知道第一个是化妆品、时尚、护肤品之类的。第二个是更奢侈的香水之类的。显然，右边的那个是饮料、酒类，可能是某种威士忌。嗯，所以图像的创建方式有很多身份。所以，对我们来说，确保我们用人工智能做的任何事情都能捕捉到这一点非常重要。当我们看看许多人工智能是如何工作的，嗯，显然这只是人工智能的原始输出。嗯，非常有才华的团队正在使用这些工具，然后将其纳入他们现有的工作流程，进行改进、润饰，并从中制作出精美的图像。但其中一个根本限制是，我输入一些东西，一切都会改变。我输入我想要包在左上角，它生成在右上角，一切都变得混乱。嗯，模型越来越好。但是，嗯，需要确保您可以以更精确的方式控制它。嗯，所以我们开发了我们软件中的各种功能，我们称之为精准 AI。嗯，其中有几个关键组成部分，比如我们谈论外科手术般的精度。只改变单个元素而不让它影响其他任何东西的想法，因为发生的事情之一是，例如，您已经有了客户的产品在您的图像中，然后您正在更改一个元素，然后产品上的文本也会改变，这显然对客户来说是不可接受的。嗯，我们希望确保输出实际上是面向消费者的，就像可以立即发布的。嗯，这意味着您可能无法直接使用任何生成式 AI 生成的输出。您需要以自动化程序化的方式处理这些事情。再次，您想要基于规则的。您需要确保艺术总监会说的所有事情，不，你必须这样做，它在你生成人工智能的方式中也被捕捉到。嗯，并且必须生成集成的结果。我们概念上思考这个问题的一种方式是，有一个用户提示，还有一个我们称之为精准 AI 控制器。嗯，精准 AI 控制器是我们编写的一段代码，它具有额外的专业知识和用户提示，并使用这些来预处理可以输入到 AI 推理中的内容，然后 AI 推理可以使用您选择的任何模型。嗯，所以我们看到目前客户出于各种原因选择不同的模型。显然，法律因素起着作用。质量起着作用。有特定的用例起着作用。然后我们用人工智能生成的内容，我们有一个专门的内存表示形式，将其传输到我们的合成引擎。所以，我们不仅可以访问 RGB 像素，还可以访问其他元素，我们可以用来正确集成和合成它。嗯，从架构的角度来看，我们有一个模板，当我们预处理时，我们为预处理构建了一个上下文，其中包括关于模板本身的信息，如场景、透视、相机位置、各种 Omniverse 元素。所以，例如，我们可能在 CG 中有参考，定义环境的外观或产品的物理尺寸，以便它可以确保它生成的任何内容都符合相同的比例。然后，我们使用 Nvidia 企业 AI 库来构建一个部署架构，在那里我们可以采用我们需要运行的 AI 推理，在通过 Kubernetes 管理的各种 Triton 实例上运行，使用像 Tensor RT 和各种优化模型进行云扩展，以有效地将其加载到 GPU 中，然后再次缓存这些结果，并复合到合成引擎中，而且尤其重要的是，上下文和加载的各种方式是一个非常可预测的管道，因为我们有一个独特的额外挑战是，我们的用户正在使用我们的用户界面。他们在 AI 提示中输入一些内容。他们得到一个他们喜欢的东西的小分辨率预览，然后他们说订购这个，并给我一个高分辨率的可打印的广告牌大小的分辨率图像。他们期望它看起来一样。即使它是不同的生成。所以，你必须处理所有这些事情，以确保管道是可预测的。如果您做得好，嗯，那么突然之间，您就从左边看到的东西变成了右边看到的东西。嗯，您可能会注意到，红色的插入物是驱动屏幕上各个受控元素的提示元素。嗯，这是同一款产品。从某种意义上说，这是相同的提示。嗯，但您会得到截然不同的结果。您可以了解控制图像意味着什么。然后，这使您能够将一个模板扩展到许多不同的变体，无论是本地产品还是文化相关性，使内容更适合您发布到的特定国家或特定目标受众，最终您会得到一个情况，即您拥有精准 AI，以一种受控的、相关的、符合品牌形象的方式。所以，这就是我们如何完成很多事情。嗯，但您可能会想，嗯，为什么我们要用 Omniverse、OpenUSD 和 Nvidia 以及企业 AI 来做这件事？嗯，我之前提到过，我们需要能够为可能不是艺术家、可能没有重型工作站的用户做到这一点，所以他们没有自己的计算能力。一切都必须扩展到云端。我们为大品牌工作。所以，他们期望获得企业级的支持，嗯，他们可能以 API 优先的方式访问它。所以，在企业规模和可靠性方面，需要有一个坚如磐石的基础。我们面临的挑战是，我们有数千甚至可能数万种不同品牌的产品几何形状。我们每年为每个品牌进行数百次活动，将他们的摄影与这些方面结合起来，然后在此基础上进行数百种变体，以及潜在的无限 AI 变体。所以，您可以看到我们如何处理如此巨大的规模。嗯，所以构建软件 Grip 使我们能够说，嗯，我们使用 Grip 作为将所有这些技术结合在一起的层，然后将其叠加在 Nvidia Omniverse Enterprise、各种 AI 模型、OpenUSD 等之上，这使我们能够从中生成所有这些精彩的内容。所以，这对我们的客户意味着什么？嗯，所以我们的客户尤其兴奋，因为显然自动化方面意味着我们的性能得到了扩展，他们可以产生更多的产出。他们实际上在谈论数百万件内容，而以前只有数百件。嗯，他们正在谈论这如何使他们能够真正地将图像超情境化，甚至用于一对一的营销目的。在这个观众中的每个人，当他们访问客户的网站时，他们都可以获得不同的图像，因为最终可以生成这个。另一个方面是，他们终于能够将每件产品都视为英雄产品。所以，过去在制作内容时，您会说，嗯，这是我最畅销的产品。这是我利润最高的地方。所以，我将在那里拍摄我的广告。这会吸引客户。现在您不必再做这个选择了。您可以将同样出色的内容用于您拥有的每一件产品。所以，每件产品都成为英雄产品。嗯，另一个有趣的事情是，这对整个行业意味着什么？嗯，我需要以不同的方式构建它。嗯，所以，这对整个行业意味着什么？所以，有趣的是，嗯，我认为我们已经解决了许多这些问题，而且我们之所以能够解决它们，并不是因为我们是如此聪明的人。我们之所以能够解决它们，是因为我们站在巨人的肩膀上，比如 PBR，当 Disney Research 发布了他们的原理 BRDF 时，这是一个巨大的飞跃，Unreal 在其中取得了巨大的进步，以及整个工作组和所有 Pixar 的聪明人，嗯，致力于 USD，以及 SIGGRAPH 上所有为达到我们现在拥有如此出色地表示数字孪生方式的程度做出贡献的人，使我们达到了现在的地位。嗯，在图像变体方面，我们在过去几年里经历了生成式视觉 AI 的惊人繁荣，这现在让我们能够真正生成所有这些变体，并且嗯，并且嗯，并且使图像更具文化相关性，本地化导向，并为每个用户进行微调。嗯，当然，我们也自己构建了一些东西，使我们能够实际实现这一点，并在底层 NVIDIA 技术支持下，您可以以企业规模做到这一点，达到让这些客户满意的程度。嗯，嗯，然后您可能会想，嗯，那就这样了，我不这么认为。我认为现在激动人心的部分开始了，因为是的，这都是技术性的东西，嗯，但是您仍然需要思考，嗯，它在哪里与所有这些其他领域互动。所以，比如现在您拥有这些东西的下一个视野是什么？所以，现在您拥有一个可以做这种事情的内容生成引擎，嗯，您仍然需要思考，它适合现有的工作流程吗？例如，您有代理机构创建原始内容。他们可以使用其中一些吗？您能否找到更好的方法来集成？您能否考虑使用类似的东西来促进自动合规性？嗯，很多时候，嗯，发生的事情是产品包装因成分变化而更新，然后您不知道所有现有的图像是否都已相应更新。这允许您拥有自动化触发器，从您的艺术作品创建过程进入内容生产管道，并确保所有内容都自动更新。您还可以开始思考，正如我所提到的，您突然之间可以使每件产品都成为您的英雄，现在您拥有无限的 AI 变体，您可以开始思考，衡量和驱动相关性意味着什么。我们不从事衡量业务，我们只从事内容创建业务，但是如果您有能力生成数百万件内容，您就可以开始弄清楚，嗯，这对于那个受众来说效果很好，您可以生成那些变体并进行测试。嗯，您可以进行超个性化，让观众中的每个人都获得不同的图像，并且您可以开始按需进行 API 驱动的制作，而不是预先制作所有您想在全球传播的内容。当它变得相关时就将其放入世界，并且只根据需要进行。现在您拥有通用的数字孪生，您可以开始思考团队之间更好的协作方式，因为您可以交换这些文件，并将那个数字孪生作为一切的实际正确定义的真相。嗯，您可以考虑尚未知的未来新用例，我们不知道的。所以，例如，我们正在与一些客户讨论使用数字孪生来训练 AI 识别模型来跟踪库存，这样商店里的某个人就可以拍一张仓库的照片，它会自动告诉他们，哦，你需要订购这个，你需要订购那个，这个快没货了，并与他们销售行业中的某些东西相关联。有很多事情可以做。嗯，我认为这对艺术家来说也很有趣，因为您可以开始思考，如果我为品牌创建内容，现在我可以开始思考，不仅仅是制作静态的东西，我甚至可以概念上思考我将要设计的东西，我将要拍摄和创造的东西，以及任何东西都可以变成可扩展的、可配置的东西，它允许您以不同的方式思考您创建的内容。所以，我们认为这只是这种技术可以做什么的开始。嗯，这就是我今天所拥有的一切。如果您想了解更多信息，请随时查看我们的链接。如果您有兴趣从事这些未来可能性方面的工作，我们也有各种职位空缺。>> 好的，我们还有时间回答问题。所以，请举手，我们会把麦克风递给您。>> 您好，谢谢。嗯，如果我没听错的话，起源故事是 INDG 投资了一项名为 Grip 的能力，现在它是一个完整的软件应用程序和工具集。它与皮克斯创建 RenderMan 和 Presto 有相似的起源故事氛围，您拥有整个软件能力套件。那么，您是如何看待这项能力的？它是未来的软件许可吗？您开始说这就像可以打包的，还是仅供客户使用，这样他们就知道这是幕后工作。>> 是的，这是一个很好的问题。我认为，从概念上讲，我们认为这是任何人都可以使用的东西。实际上，到目前为止，我们与客户直接合作的效果最好，因为我们非常了解他们，而且我们习惯于直接与他们合作。嗯，但最终目标是，这可以成为一个基础性的东西，基本上适用于任何发现使用它有益的人。>> 您是否用服装产品测试过这个管道？它效果好吗？有问题吗？>> 嗯，这是一个好问题。嗯，我们最嗯，我们最初是主要与 CBG 合作的，因为它是产品变体规模最大且相对容易的领域，因为它就像，如果您在软饮料供应商处销售罐装软饮料，您可能有上百种不同的罐装版本。所以，从扩展的角度来看，这工作得非常快，非常好。嗯，我们为多个行业这样做。所以，我们也为，我们从 CPG 消费品开始。嗯，我们也将其扩展到汽车和时尚领域，但时尚尤其困难。我认为总的来说，时尚领域的 CG 或 AI，坦率地说，是最难做的，因为人们非常习惯于看到真实的东西是什么样的。嗯，所以总的来说，这只是一个更难的问题。但是，是的，我们已经为各种鞋类品牌、各种服装品牌做过事情。但是，让我们说，它不太成熟。>> 完美。这里有一个问题。>> 您好，感谢您的精彩演示。我有一个关于业务和开发方面的问题。您提到您大约在 20 年前就开始了，嗯，显然当时还没有生成式 AI。嗯，那么过渡是如何进行的？就像你们一切都准备好了，还是你们看到了生成式 AI 的潜力并进行了快速的改变，因为我们看到 Palunteer 和许多成功的公司都这样>> 是的，这是一个很好的问题。我认为，嗯，当我们，嗯，当我们开始创业时，25 年前，CG 几乎还不是一个真正的东西。嗯，我记得我们做的第一个制作之一，我想是在，嗯，是的，我们只有一堆电脑，它们只是在渲染东西，而且非常非常临时。嗯，显然，那个行业已经取得了巨大的进步。嗯，至少我们在这个行业已经取得了巨大的进步，我应该这么说。嗯，但您说得对，嗯，视觉 AI 当时还不是一个东西。嗯，即使在我们推出软件时，也就是 2017 年，那也不是一个可行的解决方案来生产生产就绪的、全分辨率的高质量图像。嗯，嗯，我们还没有进入那个领域。但是，我们确实知道生产图像需要什么，因为我们之前已经手动做了很多次。所以，我们知道会有一些主摄影、一些数字孪生，用于道具或产品，一些可能需要合成和分层的东西，一些场景重建，无论是手动还是自动，允许您将阴影重新投影到场景中，以及所有这些东西。所以，所以我们很清楚实际生产图像到最终完成需要什么。嗯，所以当我们设计软件和我们的软件方法时，我们将其设计为合成和程序化合成以及嗯，以及各种不同元素的视觉集成作为核心基础元素。这使我们能够在 AI 达到足够好的程度，并且我们弄清楚我们可以控制其中一些 AI 元素时，感觉它与我们已经开发的那个技术栈自然契合。>> Daniel，非常感谢您的演示。我很想了解更多关于精准 AI 的信息。您正在使用哪种类型的框架？它给了您什么程度的控制？您能否也分享一些例子，如果可以的话？>> 所以，现在展示起来可能有点棘手。所以，也许可以跟进一下。嗯，是的，从技术角度来看，嗯，所以我们使用现有的 AI 模型。我们没有训练任何自定义的视觉生成模型。我们不试图在 Flux 或 Stable Fusion 或 Bria 或 VO 等方面表现更好。所以，我们使用这些现成的模型。但是我们的生产管道和我们的技术管道，我们构建了一个自定义的上下文预处理器，如果您愿意的话，它会获取各种上下文元素，比如艺术总监会如何指导？用户提示是什么？是否有任何参考？是否有特定的比例信息可用？然后我们构建了自己的自定义管道，或者它是自定义代码，它使用这些提示、参数和上下文线索，并用于以一种方式进行预处理，然后它可以要求几乎任何其他 AI 以正确的方式生成那个东西。希望这有帮助。它不像现成的，您可以直接下载它，然后自己做。明白了。非常感谢。>> 好的，我们将再问一个问题。>> 您好。所以，您是如何，您是否不得不与 Corona 或 Vray 等专业材质合作？它与您的管道配合得好吗？>> 嗯，是的，一个好问题。嗯，过去我们实际上构建了我们的原始管道，在我们与 Nvidia 合作进行 Omniverse 集成以及我们构建的 Omniverse 套件应用程序之前。我们只是与传统的现成渲染器合作，并进行自定义合成和嗯，可以说是自定义的，嗯，我该怎么解释呢？可以说是自定义路径，路径解释管道，最终的路径跟踪解释管道，这样它就可以获取，不是最终的渲染像素，而是关于它如何获得那个渲染的最终图像的一些信息，并且我们在此基础上构建了我们特定的编码结构，以便能够使用它在软件中动态生成变体。嗯，但它最初是建立在现有的渲染器上的。嗯，当我们最初开始时，我们使用 V-Ray，但很快也尝试了 Arnold、Redshift 等，这实际上是选择 OpenUSD 的部分动机，因为出于各种不同的原因，在组织内部，来自更像代理机构的背景，我们有不同的渲染器更适合不同的情况，而没有交换机制使得在场景之间交换这些文件非常困难。所以，你会有人制作，例如，数字货架内容，当它转到 Arnold 进行上下文渲染时，他们会减少一些材质，然后它会变成另一个东西，用于我们当时的一些实时内容。我们过去也做过一些 Unity 应用程序，使用相同的文件，但每次我们都必须重做材质。所以，OpenUSD 实际上是基础，结合这个材质抽象，使我们能够独立于它，并且更灵活。希望这能回答这个问题。>> 太棒了。非常感谢 Daniel，感谢您提供关于 3D 内容规模化的精彩会议。>> 非常感谢。