شهد توليد الثلاثي الأبعاد بالذكاء الاصطناعي أكبر تحول له منذ سنوات. حلّ Gaussian Splatting محل NeRF بوصفه مسار العمل المهيمن، وقدّمت نماذج تحويل النص إلى ثلاثي الأبعاد مخرجات قابلة للاستخدام أخيرًا، وأصبح التوليد في الوقت الفعلي واقعًا متاحًا للمبدعين الأفراد. يستعرض هذا التحليل كل التغييرات الكبرى، ويوضح بدقة ما تعنيه لسير عملك الإبداعي الآن.
قبل ثلاث سنوات، بدا توليد أصل ثلاثي الأبعاد قابل للاستخدام من صورة فوتوغرافية واحدة ضربًا من الخيال العلمي. أما هذا العام، فقد بدا الأمر كعصر ظهيرة يوم ثلاثاء عادي. كانت وتيرة التغيير في توليد الثلاثي الأبعاد بالذكاء الاصطناعي بين 2024 و2025 لافتة، إذ استُبدلت طرق أساسية، وتدفقت نماذج جديدة مفتوحة المصدر إلى المنظومة، وأصبحت سير عمل كانت حكرًا على الاستوديوهات ذات التمويل الكبير متاحة للمبدعين الأفراد على حاسوب محمول عادي. هذا ما تغيّر فعلًا، ولماذا يهم، وما يعنيه لعملك الإبداعي الآن.
هيمنت Neural Radiance Fields (NeRF) على النقاش حول إعادة بناء الثلاثي الأبعاد بالذكاء الاصطناعي لعدة سنوات. فإذا درت بكاميرا حول جسم ما، كان NeRF قادرًا على توليد زوايا عرض جديدة له بدقة مثيرة للإعجاب. لكن استخدامه عمليًا كان يعني ساعات من وقت التدريب لكل مشهد، ومتطلبات حوسبة ضخمة، ومخرجات محصورة داخل تمثيل حجمي أشبه بالصندوق الأسود بدلًا من شبكة ثلاثية الأبعاد نظيفة وقابلة للتحرير. وكان نقل مخرجات NeRF إلى Blender أو محرك ألعاب أو خط إنتاج سينمائي يتطلب خطوات إضافية مرهقة لم تكن معظم الاستوديوهات مستعدة لتحمّلها.
قدّمت ورقة NeRF الأصلية فكرة تمثيل مشهد ثلاثي الأبعاد كدالة عصبية متصلة، تُحسَّن انطلاقًا من صور ثنائية الأبعاد. كانت الفكرة أنيقة، وأنتجت زوايا عرض جديدة شديدة الحدة بشكل غير معتاد. وتكاثرت الأبحاث اللاحقة: Instant NGP وMip-NeRF 360 وZip-NeRF وعشرات المتغيرات، وكلها استهدفت عنق الزجاجة الأساسي في السرعة والنطاق. ولفترة، بدا NeRF الاتجاه الحتمي لالتقاط الثلاثي الأبعاد وإعادة بنائه.
كانت المشكلة بنيوية. تمثيلات NeRF ضمنية، أي أنه لا يمكنك بسهولة استخراج الهندسة، أو تحرير أجسام فردية، أو التصدير إلى صيغ الشبكات القياسية. وكان التصيير في الوقت الفعلي من NeRF يتطلب حيلًا خاصة بالعتاد وخطوات تثبيت للنتائج. بالنسبة إلى المبدعين المحترفين الذين يعملون في أدوات DCC ومحركات الألعاب، كان الاحتكاك مرتفعًا ببساطة. تعلّق المجتمع بالفكرة، لكن الأدوات لم تلحق بطموحها بالكامل أبدًا.
وصل 3D Gaussian Splatting (3DGS) في أواخر 2023، وبحلول 2025 كان قد أزاح NeRF فعليًا عن موقعه بوصفه الطريقة الافتراضية لإعادة بناء الثلاثي الأبعاد في العالم الحقيقي. فبدلًا من دالة عصبية ضمنية، يمثّل Gaussian Splatting المشهد كملايين من الإهليلجات ثلاثية الأبعاد الصغيرة، لكل منها موضع ودوران ومقياس وعتامة ولون. وتصيير هذه القطوع الناقصة سريع بما يكفي للعمل في الوقت الفعلي على وحدات GPU الاستهلاكية.
حيث كان NeRF القياسي قد يحتاج من 6 إلى 12 ساعة لتدريب مشهد متوسط التعقيد، خفّض Gaussian Splatting هذا الوقت إلى أقل من 30 دقيقة لجودة مماثلة. والأهم أن سرعة التصيير قفزت من أقل من الوقت الفعلي إلى 60 إطارًا في الثانية أو أكثر على عتاد متوسط المستوى. هذا ليس تحسينًا هامشيًا، بل تغيير في الفئة.
ولم تتوقف الأبحاث عند هذا الحد. فخطوط استخراج الشبكات مثل SuGaR والمتغيرات ثنائية الأبعاد من Gaussian Splatting تنتج الآن هندسة قابلة للتحرير مباشرة من مشاهد Gaussian. وتتيح الإضافات المجتمعية تحميل مشهد 3DGS في Unreal Engine وUnity وBlender بنقرات قليلة. أصبح مسار العمل من تصوير فيديو بالهاتف إلى ثلاثي أبعاد تفاعلي يُقاس بعصر يوم واحد بدلًا من أسبوع.
إلى جانب السرعة، تجاوزت الجودة البصرية ما كان NeRF قادرًا على إنتاجه في ظروف التقاط جيدة الإضاءة ومضبوطة. فتفاصيل الأسطح الدقيقة والمواد شبه الشفافة وتفاعلات الإضاءة المعقدة التي كان NeRF يميل إلى تمويهها أو تقريبها، تُصيَّر الآن بأمانة أكبر. لكن الثمن هو أن Gaussians قد تبدو "مبعثرة" في المناطق ذات التغطية الضعيفة للالتقاط. لكن أدوات مثل Luma AI وPolycam وعدد من خطوط العمل المفتوحة المصدر تستخدم 3DGS الآن كطريقة إعادة البناء الأساسية. إذا جربت أيًا من هذه التطبيقات مؤخرًا، فأنت كنت تستخدم Gaussian Splatting دون أن تعرف الاسم بالضرورة.
💡 يستحق المعرفة: يمكن تصدير مشاهد 3DGS مباشرة إلى Unreal Engine وUnity وBlender عبر إضافات مجتمعية تُصان بنشاط وتتحسن كل شهر.
طوال معظم 2023 وأوائل 2024، كانت نماذج تحويل النص إلى ثلاثي الأبعاد أكثر إبهارًا في العروض التوضيحية منها في الاستخدام الفعلي. أظهر DreamFusion ما هو ممكن، لكن مخرجاته كانت ضبابية ومنتفخة ومغطاة بمشكلة Janus الشهيرة: إذ كان النموذج يرسم وجهًا أو ملمحًا مميزًا على كل جانب مرئي من الجسم، لأنه لم يكن يملك وعيًا مكانيًا حقيقيًا بهندسة ثلاثية الأبعاد متسقة.
بحلول 2025، أصبحت تلك الحقبة خلفنا إلى حد كبير. فقد ظهر جيل جديد من نماذج تحويل النص إلى ثلاثي الأبعاد وتحويل الصورة إلى ثلاثي الأبعاد، ويتمتع باتساق متعدد الزوايا مدمج في البنية منذ البداية، وليس مضافًا لاحقًا.
أهم تحول عملي هو أن إعادة بناء الثلاثي الأبعاد من صورة واحدة أصبحت موثوقة فعلًا. فنماذج مثل Zero123++ وTripoSR وCraftsMan وInstantMesh يمكنها أخذ صورة فوتوغرافية واحدة وإنتاج مجموعة متسقة من الزوايا المتعددة أو شبكة ثلاثية الأبعاد مباشرة خلال ثوانٍ. المخرجات ليست بجودة التصيير النهائية، لكنها قابلة للاستخدام كنقطة بداية للعمل الاحترافي. وهذا يغيّر اقتصاديات نمذجة المفاهيم وعرض المنتجات وإنشاء أصول الألعاب بشكل جوهري.
| الطريقة | حالة 2023 | حالة 2025 |
|---|---|---|
| تحويل النص إلى ثلاثي الأبعاد | بقع ضبابية وعيوب Janus | هندسة متماسكة وملمس قابل للعمل |
| تحويل الصورة إلى ثلاثي الأبعاد (صورة واحدة) | إثبات مفهوم | نقطة بداية جاهزة للإنتاج |
| تحويل الفيديو إلى ثلاثي الأبعاد | عرض بحثي فقط | مسار عملي لالتقاط خاضع للتحكم |
| التوليد في الوقت الفعلي | غير ممكن | أقل من ثانية على وحدة GPU استهلاكية |
يُعدّ توفّر نماذج ثلاثية الأبعاد قادرة ومفتوحة المصدر تطوّرًا كبيرًا بحد ذاته هذا العام. فقد نُشرت نماذج Shap-E وLarge3D وInstantMesh، وعدد من الإصدارات الأحدث، بتراخيص تسمح بالاستخدام الواسع. أصبح بإمكان المطوّرين المستقلين والباحثين الآن إجراء الضبط الدقيق لنماذج الذكاء الاصطناعي ثلاثية الأبعاد واستضافتها ذاتيًا ودمجها، دون دفع تكاليف API عن كل عملية توليد. ونما المحيط البرمجي المحيط بها بسرعة، إذ توسّعت عقد ComfyUI وإضافات Blender وسير العمل القائم على الويب، ما وسّع نطاق ما يصل إليه صنّاع المحتوى الذين لا يعملون ضمن استوديوهات كبيرة.
أكبر تحول مفاهيمي في العام الماضي هو أن نماذج الانتشار ثنائية الأبعاد أصبحت العمود الفقري لتوليد الثلاثي الأبعاد. فبدلًا من تدريب بنى ثلاثية الأبعاد مكلفة من الصفر، اكتشف الباحثون أن نماذج الانتشار ثنائية الأبعاد المدرّبة مسبقًا تحتوي بالفعل على معرفة مكانية ومادية كافية للإشراف على إعادة بناء الثلاثي الأبعاد، حتى دون أي بيانات تدريب ثلاثية الأبعاد صريحة في مسارها.
ظل التحدي الأساسي في تحويل النص إلى ثلاثي الأبعاد دائمًا هو الاتساق: إذ يجب أن تتفق الزوايا المتعددة للجسم نفسه هندسيًا. وقد عالجت نماذج الانتشار متعدد الزوايا، المدرّبة على توليد عدة وجهات نظر في وقت واحد عبر طبقات انتباه مشتركة، هذه المشكلة مباشرة. قدّمت Zero123 وMVDiffusion وSyncDreamer وخلفاؤها معالجات مختلفة لهذه المشكلة. والنتيجة أنه يمكنك الآن توليد ست زوايا متسقة أو أكثر لجسم ثلاثي الأبعاد، وتغذيتها إلى خط إعادة بناء Gaussian Splatting أو الشبكات للحصول على نتيجة متماسكة.
هذا أهم مما قد يبدو للوهلة الأولى. فتدريب نموذج لإنتاج ثلاثي الأبعاد مباشرة يتطلب مجموعات بيانات ثلاثية الأبعاد كبيرة ومصنّفة، وهي مكلفة وبطيئة الإعداد ومحدودة التنوع. أما التدريب على صور ثنائية الأبعاد واستخدام الأسبقيات الانتشارية كمشرفين هندسيين فيتجاوز هذا القيد تمامًا. يوفر الإنترنت مليارات الصور ثنائية الأبعاد. ومن خلال تعليم النماذج استخلاص المعرفة المكانية والبنيوية من تلك الصور، فتح الباحثون مسارًا لتوليد الثلاثي الأبعاد يتوسع مع توفر البيانات ثنائية الأبعاد، لا مع ميزانيات تعليق البيانات ثلاثية الأبعاد.
💡 الدلالة العملية: لهذا تسارع التقدم في تحويل النص إلى ثلاثي الأبعاد بشكل كبير بمجرد توفر نماذج الانتشار ثنائية الأبعاد الكبيرة على نطاق واسع. فالنماذج ثنائية الأبعاد الأكثر قدرة تحسّن مباشرة جودة مخرجات الثلاثي الأبعاد التي تستخدمها كأسبقيات هندسية.
من الثورات الأقل تغطية هذا العام: أصبح إدخال الفيديو مدخلًا أساسيًا في خطوط إعادة بناء الثلاثي الأبعاد. قبل ذلك، كانت إعادة البناء من الفيديو ممكنة، لكنها كانت تتطلب اختيار الإطارات يدويًا بعناية ومعالجة مسبقة للحصول على نتائج قابلة للاستخدام. أما اليوم، فيمكن للنماذج معالجة فيديو قصير بالهاتف (من 10 إلى 30 ثانية من اللقطات) لجسم ما، وإخراج أصل ثلاثي الأبعاد قابل للاستخدام بتدخل بسيط من المشغّل.
تقبل مسارات مثل MonST3R (إعادة بناء المشهد أحادية العدسة في البيئات غير المقيّدة) وRealDreamer وعدة تطبيقات تجارية الآن مقاطع الفيديو القياسية المصوّرة بالهاتف الذكي كمدخل مباشر. وهي تتعامل مع ضبابية الحركة وتباين الإضاءة والمحتوى الديناميكي البسيط بكفاءة تفوق كثيرًا ما سبقها. وفي تصوير المنتجات ومسح القطع التراثية والمعاينة المسبقة للمشاريع المعمارية، أصبح هذا أداة عملية يومية، لا تجربة مخبرية حكرًا على المتخصصين.
لا يزال صعبًا حقًا في 2025: الأسطح العاكسة للضوء أو الشفافة مثل الزجاج والكروم والماء؛ والبنى الرقيقة جدًا مثل شبك الأسلاك والشعر والحبال؛ والمشاهد الخارجية الكبيرة مع حركة كبيرة للشخص أو الجسم أثناء الالتقاط. لا يتعامل أي نموذج مع هذه الحالات بموثوقية حتى الآن.
يعمل جيدًا الآن: الأجسام غير اللامعة ذات الملمس السطحي المتسق، والمنتجات المصنّعة المدمجة، والمساحات الداخلية المعمارية تحت إضاءة مضبوطة، والأجسام العضوية مثل الخزف والأثاث والنسيج. نطاق العمل العملي أوسع بكثير مما كان قبل 18 شهرًا، حتى لو لم يكن شاملًا بعد.
ربما يكون التطور الأكثر إدهاشًا في العام الماضي أن التوليد ثلاثي الأبعاد في الوقت الفعلي من النص أصبح ممكنًا تقنيًا. ليس بجودة الإنتاج على نطاق واسع لكل الحالات، لكن العتبة قد تم تجاوزها. فنماذج البحث تولّد أصولًا ثلاثية الأبعاد تقريبية في أقل من ثانيتين على عتاد استهلاكي عالي الأداء، مع تحسن الجودة بسرعة مع كل إصدار بحثي جديد.
عندما يستغرق التوليد 20 دقيقة، تصمم سير عملك حول الدفعات. تضع الطلبات في الطابور، وتذهب لتنجز أعمالًا أخرى، ثم تعود لاحقًا لتقييم النتائج. وعندما يستغرق التوليد ثانيتين، يتغير نموذج التفاعل بالكامل. تكرر المحاولات في الوقت الفعلي. تقبل نتيجة أو تجرب فورًا أمرًا نصيًا مختلفًا. هذا التحول في سرعة حلقة التغذية الراجعة لا يغيّر سرعة عملك فحسب، بل ما أنت مستعد لتجربته، وهو ما يؤثر مباشرة على جودة ما تنتجه وأصالته.
لم يعد تشغيل 3D Gaussian Splatting وأحدث نماذج تحويل الصورة إلى ثلاثي الأبعاد يتطلب مجموعة وحدات GPU للمؤسسات. تتعامل وحدة GPU استهلاكية حديثة من فئة RTX 4070 مع معظم سير العمل العملي دون بنية تحتية متخصصة. كما أصبح تشغيل النماذج السحابية أرخص بكثير، مع تكاليف لكل توليد منخفضة بما يكفي لأن يستخدمها المبدعون الأفراد بانتظام دون تمويل مؤسسي أو باقات اشتراك باهظة.
💡 للسياق: مسح فوتوغرامتري احترافي كلّف استوديو عدة آلاف من الدولارات في الأجهزة وساعات من وقت المشغّل في 2020، يمكن الآن تقريبه إلى نقطة بداية قابلة للاستخدام باستخدام أدوات الذكاء الاصطناعي مجانًا أو بتكلفة زهيدة. وقد تقلصت الفجوة بين إمكانات الاستوديو وإمكانات المبدع الفرد بشكل كبير.
لا تكتسب التحولات التقنية أهميتها إلا عندما تغيّر ما يبنيه الناس. إليك كيف تُترجم تطورات الذكاء الاصطناعي ثلاثي الأبعاد إلى تغييرات حقيقية في سير العمل عبر المجالات الإبداعية المختلفة عمليًا.
تُعد استوديوهات الألعاب المستقلة وفرق الحجم المتوسط أكثر المتبنين نشاطًا لأدوات الثلاثي الأبعاد بالذكاء الاصطناعي حاليًا. وحالة الاستخدام النموذجية ليست استبدال الفنان، بل تغيير نقطة البداية. فبدلًا من أن يقضي فنان ثلاثي الأبعاد أربع ساعات في نمذجة قطعة ديكور من الصفر، يستخدم أداة ذكاء اصطناعي لتوليد شبكة تقريبية من صورة مرجعية، ثم ينظفها في أداة DCC التي يختارها، ويطبق الملمس النهائي. مهمة كانت تشغل نصف يوم عمل صارت تستغرق الآن أقل من 90 دقيقة. يبقى حكم الفنان وحرفته في قلب العمل، بينما اختفى إلى حد كبير عمل الإعداد المتكرر.
تراقب الاستوديوهات الكبيرة الوضع بحذر لكنها تتحرك ببطء أكبر. تمثل المخاوف المتعلقة بمصدر بيانات التدريب وتوافق الملكية الفكرية مع تبعيات خط الإنتاج القائم قيودًا حقيقية. لكن الضغط التنافسي من الاستوديوهات الأصغر التي تتحرك بسرعة أكبر يدفع كل استوديو كبير إلى تقييم داخلي أكثر جدية.
كان التصور المعماري من أسرع القطاعات المحترفة تبنيًا. فالقدرة على أخذ رسم تخطيطي تقريبي أو صورة لموقع قائم، وإنشاء بيئة استكشاف ثلاثية الأبعاد تفاعلية لعرض على العميل في أقل من ساعة، تمثل تحولًا حقيقيًا في طريقة تقديم المقترحات وإقرار التصاميم.
يستخدم مصممو المنتجات سير عمل مشابهًا للتصور السريع للمفاهيم، فينتجون تمثيلات أشبه بالثلاثي الأبعاد لأفكار المنتجات المادية دون بناء نماذج أولية مادية. وفي السينما والتلفزيون، تُستخدم أدوات الثلاثي الأبعاد بالذكاء الاصطناعي للتصور المسبق وتوسيع المواقع التقريبية، بينما تنتظر بيوت المؤثرات البصرية الكبرى توجيهات أوضح بشأن الملكية الفكرية قبل إدراج الأصول المولّدة بالذكاء الاصطناعي في المشاهد النهائية.
| القطاع | حالة الاستخدام الأساسية | مستوى التبني |
|---|---|---|
| تطوير الألعاب المستقلة | توليد شبكات الديكور والبيئات | مرتفع، في نمو |
| التصور المعماري | نماذج المفاهيم، جولات العملاء | مرتفع |
| السينما والمؤثرات البصرية | التصور المسبق، نمذجة المواقع التقريبية | متوسط، حذر |
| تصميم المنتجات | تصور المفاهيم، مراجعة النماذج الأولية | متوسط |
| التجارة الإلكترونية | تصوير المنتجات من المسوحات ثلاثية الأبعاد | ناشئ |
بينما حققت خطوط إعادة بناء الثلاثي الأبعاد المتخصصة تقدمًا هائلًا، يحتاج كثير من المبدعين إلى شيء أسرع وأبسط: صور واقعية كالصور الفوتوغرافية تنقل عمقًا وحجمًا وحضورًا مكانيًا قويًا دون الأعباء الإضافية لخط ثلاثي الأبعاد كامل. وهنا تحديدًا أصبحت نماذج توليد الصور بالذكاء الاصطناعي على PicassoIA أدوات قادرة بشكل لافت للإنتاج البصري بأسلوب الثلاثي الأبعاد.
يتميز Flux Dev وFlux Pro بقدرة قوية على إنتاج صور ذات عمق مكاني وطبقات مقنعة. وعندما يحدد أمرك النصي عناصر المقدمة والوسط والخلفية بعلاقات مسافة واضحة واتجاه إضاءة واقعي، تُصيّر هذه النماذج النتيجة بتماسك مكاني مثير للإعجاب. تبدو الصورة ثلاثية الأبعاد حتى وهي مسطحة.
يذهب Seedream 4.5 أبعد من ذلك بمخرجات بدقة 4K ومعالجة ممتازة للبيئات الحجمية المعقدة: مشاهد غابات كثيفة، ومساحات داخلية بعدة مصادر ضوء، ولقطات منتجات بانعكاسات سطحية واقعية. وبالنسبة إلى المبدعين الذين يحتاجون إلى مرئيات بأسلوب الثلاثي الأبعاد دون أعباء خط ثلاثي الأبعاد، فهو من أكثر الخيارات قدرة المتاحة حاليًا على المنصة.
للحصول على أعلى درجة من الدقة، ينتج Flux 1.1 Pro Ultra صورًا بدقة 4 ميغابكسل مع ملمس سطحي وإضاءة حجمية تجعل الصور المسطحة تبدو مكانية حقًا. ويقدم Wan 2.7 Image Pro مخرجات بدقة 4K بطابع أسلوبي يعمل جيدًا بشكل خاص لموضوعات تصوير المنتجات والتصور المعماري.
الحصول على نتائج قوية بأسلوب الثلاثي الأبعاد من توليد الصور يعتمد على عادات ثابتة في كتابة الأوامر النصية:
تستحق التجربة أيضًا GPT Image 2 للمشاهد المعقدة ذات العناصر المكانية المتفاعلة المتعددة، وFlux 2 Pro للمخرجات عالية الدقة حيث تكون دقة الملمس وتحديد المواد هي الأهم. وكلاهما متاح على PicassoIA إلى جانب الكتالوج الكامل لأكثر من 90 نموذجًا لتحويل النص إلى صورة على picassoia.com/en/all-models.
توليد الثلاثي الأبعاد بالذكاء الاصطناعي في 2025 ليس تقنية محسومة. إنه مجال في حركة دائمة، تصل فيه نماذج وأساليب ومعايير جديدة كل بضعة أسابيع. ما تغيّر هذا العام ليس القدرة وحدها، بل الزخم أيضًا. فقد أطاح Gaussian Splatting بعرش NeRF. وأصبحت نماذج الانتشار المحرك وراء جودة مخرجات الثلاثي الأبعاد. وتحولت إعادة البناء من صورة واحدة من فضول بحثي إلى سير عمل عملي. وانتقل التوليد في الوقت الفعلي من المستحيل إلى الممكن على العتاد الاستهلاكي.
إذا لم تراجع ما تستطيع أدوات الثلاثي الأبعاد بالذكاء الاصطناعي فعله منذ أوائل 2024، فالفجوة بين تصورك الذهني والوضع الحالي للمجال كبيرة. وبالنسبة إلى المبدعين الذين يريدون البدء في إنتاج صور ذات حضور مكاني حقيقي الآن، دون انتظار نضج خطوط الثلاثي الأبعاد المتخصصة أكثر، يقدم PicassoIA بعضًا من أكثر نماذج التوليد قدرة المتاحة، من Flux Dev وSeedream 4.5 إلى Flux 1.1 Pro Ultra وما بعدها. الأدوات موجودة. ابدأ وأنشئ شيئًا يحمل عمقًا.
اختر لغتك
