GPT-6 збирає 3D-сцени з фото й відео
Автор матеріалу тестував GPT-6 завдяки JetBrains і відзначив дві зміни: коротші відповіді та здатність моделі під час написання коду враховувати вигляд сцени. За його словами, доступ усім користувачам мають відкрити протягом тижня.
За 15 хвилин і кілька ітерацій модель зібрала 3D-карту одеської дачі приблизно з 10 фото й відео — без технічного завдання. Вона самостійно вирізала з відео фрагменти для текстур і розставила деталі в сцені. Результат придатний і як цифрова реконструкція, і як карта для CS 1.6. Це приклад переходу від генерації окремого коду до збирання просторового продукту з неструктурованих матеріалів.
Що саме змінилося в роботі моделі
Автор першоджерела отримав доступ до GPT-6 завдяки JetBrains і перевірив її на практичних завданнях. Він виокремлює дві особливості. Перша — модель відповідає коротше, без розлогих пояснень на кілька екранів. Це може скоротити час на читання й уточнення результату під час послідовної роботи з моделлю.
Друга особливість проявилася під час створення програмних сцен. За спостереженням автора, GPT-6 враховує майбутній вигляд сцени ще на етапі написання коду, до його запуску. Йдеться не лише про генерацію окремих команд: модель пов’язує код із розташуванням об’єктів і очікуваним візуальним результатом.
Як проходив експеримент із 3D-картою
Для одного з прикладів автор передав моделі приблизно десять фотографій і відеозаписів одеської дачі, де часто бував у дитинстві. Окремої специфікації або детального технічного завдання не було: запит зводився до прохання зробити сцену з наданих файлів.
Перший результат з’явився приблизно за 15 хвилин, а вся робота потребувала кількох ітерацій. GPT-6 зібрала матеріали в 3D-карту та відтворила просторове розташування деталей, орієнтуючись на фотографії й кадри відео.
- вхідні матеріали — близько десяти фото та відео;
- формалізованої специфікації не було;
- сцену створено за кілька послідовних запитів;
- на початковий результат знадобилося близько 15 хвилин.
Що модель зробила з неструктурованими матеріалами
Окремо автор відзначив роботу з текстурами. Модель самостійно вибирала з відео відповідні кадри, вирізала з них зображення та розміщувала їх у сцені. Так вона відтворила, зокрема, фотографії в рамках і фіранку для душу. Тобто вихідні файли не потрібно було заздалегідь перетворювати на готовий набір текстур або вручну описувати кожну деталь.
Практичний результат мав два названі автором сценарії: цифрова реконструкція знайомого місця для особистого архіву та карта для CS 1.6. На підставі цього досвіду він припускає, що з часом подібний підхід можна буде використовувати для перетворення історичних фотографій на сцени: модель визначатиме, де розміщені об’єкти, зіставляючи різні фото й відеокадри.
Доступ і межі висновків
Оцінка ґрунтується на особистому тестуванні автора, а не на наведеному в матеріалі переліку характеристик або стандартизованому порівнянні. Джерело описує один конкретний приклад із приватними фотографіями та відео, тому з нього не можна визначити, як модель працюватиме з іншими типами просторів чи матеріалів.
За словами автора, доступ для всіх користувачів мають відкрити протягом тижня. Точної дати загального доступу та інформації про вартість у джерелі немає.