如果我们再仔细比较英伟达2024 GTF大会议程的内容分布图的话，可以很清楚的发现到处都有“三维生成”的身影：生成式AI、仿真、计算机视觉、AR/VR、内容创作、机器人……
LeCun关于AGI的讨论里有一点，其实几乎是大家的共识：我们要让模型理解人类物理世界。
这个“理解”的第一步，就是要看懂我们的三维世界。仅仅这一点，就已经足够具备吸引力。
更何况，“三维生成”对于科学研究、生产制造、影视游戏等内容创作更是具备“颠覆式”的重要性。
之前讨论“三维生成”的次数其实并不少，但是大家普遍会觉得繁琐，离的远。流程长，工具多，门槛高，确实是目前“三维生成”最大的问题。
所以，我又回到了自己当初建立第一个“三维模型”时采集照片的地方，Suntec新达城的标志性喷泉，一是环境可控，采集素材比较方便，二是也通过此来对比一下这一年多建模效果的变化。
首先，是我不同时期用不同设备在这个点拍摄的照片。尤其是最后一张，为了让喷泉和后面的办公楼都能完整，我在富士中画幅相机上使用了15mm的移轴镜头，竖构图，上下都移满，再拼接，等效135上已经是不到10mm的视角了。
进入建模流程介绍。
1、照片拍摄
竖构图，依然采用了富士中画幅相机，配合20-35mm镜头，使用20mm端，既有很广的角度，镜头的畸变又很小（畸变是三维重建的“克星”）。采集方法：喷泉周围是360度的栏杆，所以保持相机视角基本平衡，转一圈，等间隔拍摄，背景的建筑是很好的特征，用来帮助照片进行空间对齐的。
所以，这里，是我认为“三维生成”入门最佳地点。
2、照片整理
将照片导入电脑，存放到单独的文件夹，一共82张，因为是等间隔，差不多每两张照片之间的角度差距是4.5度，该镜头20mm端对角线视角是108度，短边视角就是不到70度，这种拍摄保证了每两张照片之间非常大的重叠部分，几乎在建模前就可以确定，金色的环是可以连续的。
3、照片空间对齐
这一步可以使用现成软件，我依然使用Epic Games（虚幻引擎出品公司）旗下的Reality Capture（目前只有Windows版本）。
打开软件，选择【WORKFLOW】页，第一步点击【Folder】按钮，导入照片后，点击【Start】按钮，程序就自动运行了。
经过一段时间的计算后，三维模型就生成了，如下动图展示的是稀疏模型的结果（也可以叫点云图）。界面上也可以同步显示没张照片的拍摄位置即角度（纯计算），在这个场景里，这些照片形成了完整的一个圆周。
4、调整重建区域，三维渲染
为了方便模型的后续处理，同时也为了大幅降低运算量。在上面的三维空间进行裁剪，只选取喷泉部分，再次重建，软件会重新计算，再选择【MESH MODEL】下的【Texture】，即可生成稠密模型，并可以实时渲染。
这个生成时间比照片对齐要长，画质也更好一点。
5、模型导出到Blender等三维或者游戏引擎里
可以将模型导出成.ply格式或者.obj格式，然后打开Blender（开源三维制作软件），导入。就可以进行各种编辑，如下：
6、导入苹果Vision Pro
不管经不经过Blender等软件进行编辑，导出后的.obj或者.ply都是可以通过应用程序在苹果Vision Pro里交互的。不过，目前的这种交互对于小规模的模型效果不错，但是对于大场景的就还是会力不从心，主要是因为大场景下，就更需要沉浸式体验了，对应用开发的难度也自然提高。不过，确实可以将刚刚生成的简单三维模型当作玩具一样导入到眼镜里，简单交互：
因为微信公众号对gif文件帧数限制， 我只能用每秒5帧的采样率上传这段gif，实际操作体验，会流畅很多。
至此，一个简单的三维建模就算完成了，为了更直观，我也把上面的全部步骤串联起来做成了短视频。
这才是三维建模里最入门的第一步，为了效果，需要付出的努力，是远大于照片的。但是那种宏大的多的信息量的感觉，真的很棒。