====== 08. 3D-Modellierung (Text-to-3D, NeRF) ====== Siehe auch: Text-to-3D\\ \\ Siehe auch: NeRF\\ \\ ==== Überblick ==== KI-Systeme können heute aus Textbeschreibungen oder Bildern realistische oder stilisierte **3D-Modelle** erzeugen. Diese Modelle lassen sich in Bereichen wie Gaming, Produktdesign, Architektur oder Robotik verwenden. Typische Einsatzfelder: * **Text-to-3D-Objekte** (für Games, AR/VR, Produktvisualisierung) * **3D-Gesichter & Avatare** * **Szenengenerierung (z. B. Räume, Landschaften)** * **NeRF (Neural Radiance Fields) für fotorealistische Rekonstruktion** * **Simulationen & Trainingsdaten für Robotik** ---- ==== Aufbau eines 3D-Prompts ==== Ein aussagekräftiger Prompt für die 3D-Erzeugung enthält: * **Objekttyp oder Szene** (z. B. futuristischer Stuhl, mittelalterliches Dorf) * **Material & Stil** (Holz, Metall, cartoonhaft, realistisch, Low Poly) * **Detailgrad / Polygonanzahl** (für Echtzeitanwendungen wichtig) * **Verwendungszweck** (AR/VR, Spielobjekt, Produktdemo, Simulation) * **Format (optional):** GLB, OBJ, FBX, USDZ etc. → Je detaillierter die Beschreibung, desto besser das Ergebnis. ---- ==== 🧱 Prompt-Beispiele für Text-to-3D ==== Siehe auch: Text-to-3D\\ \\ === 🪑 Beispiel 1 – Einzelobjekt: Stuhl === **Prompt:** > Erstellen Sie ein detailliertes 3D-Modell eines modernen Bürostuhls mit einer Netzrückenlehne, Metallarmlehnen und einem schwarzen Ledersitz. Stil: realistisch. Format: GLB. Vorgesehen für die Verwendung in einem AR-Möbelkatalog. --- === 🏰 Beispiel 2 – Szene: Mittelalterliches Dorf === **Prompt:** > Erstelle eine stilisierte 3D-Dorfszene mit Fachwerkhäusern, Kopfsteinpflasterstraßen, einem zentralen Marktplatz und Holzkarren im mittelalterlichen Stil. Stil: Niedrig-Poly. Anwendungsfall: Spiele-Entwicklung. Export format: glTF. --- === 🤖 Beispiel 3 – Roboterarm für Simulation === **Prompt:** > Erstellen Sie ein vereinfachtes 3D-Modell eines 6-achsigen Industrieroboterarms. Stil: mechanisch, saubere Geometrie, optimiert für die Physiksimulation. Export als OBJ. --- === 👤 Beispiel 4 – 3D-Gesicht/Avatar aus Textbeschreibung === **Prompt:** > Erstellen Sie einen halb-realistischen 3D-Avatar einer jungen Frau mit kurzen lockigen Haaren, Brille und hellem Kapuzenpullover. Neutraler Ausdruck. Anwendungsfall: Charakter-Rigging in Unity. --- === 🌋 Beispiel 5 – Landschaft & Umgebung === **Prompt:** > Erzeugen Sie ein 3D-Gelände mit Bergen, Flüssen und Wäldern. Stil: stilisiert, aber mäßig realistisch. Gedacht für ein Open-World-Erkundungsspiel. Grundlegende Texturierung hinzufügen. ---- ==== Prompt-Tipps für 3D-Modellierung ==== * Wähle den **Stil und das Format** je nach Einsatzbereich (Game Engine ≠ CAD ≠ Web) * Bei Animation: Gib an, ob das Modell **rigged** oder **static** sein soll * Achte auf **Polygonanzahl** bei Echtzeit-Projekten (Low Poly vs. High Poly) * Formuliere genaue Eigenschaften: Form, Größe, Textur, Farbe * Für NeRF: am besten mit Foto-Set oder 360°-Video arbeiten ---- ==== Tool-Hinweise: KI-Tools für 3D-Generierung ==== === 🧰 Übersicht nützlicher Tools === * **Luma AI** - Erstellt 3D-Szenen & Modelle via NeRF aus Video- oder Bildmaterial - Ideal für fotorealistische Rekonstruktionen - Export als OBJ/GLB möglich * **Meshy.ai** - Text-to-3D & Texturing in einem Workflow - Unterstützt OBJ, GLB, FBX - Intuitives Interface, Community-Modelle * **Kaedim** - Text-zu-3D-Modell mit Fokus auf Game-Assets - Automatisiert Modellierung & UV-Mapping - Monatliches Kontingent, kommerzielle Lizenz verfügbar * **Sloyd.ai** - Echtzeit-Parametrisierung von 3D-Modellen - Ideal für Low-Poly und mobile Anwendungen - Export in Unity/Unreal-fähigen Formaten * **Scenario.gg** - Generiert Assets für Games (auch 2D → 3D per KI) - Styleguides und Custom-Modelltraining möglich - Ideal für kreative Spielwelten * **GET3D (NVIDIA)** - Forschungsmodell für generatives 3D aus Text + Bild - Teilweise Open Source, aber eher experimentell