Spline、単一画像から3D空間を生成するAIモデル「Spell」発表

3DデザインツールのSplineが、単一の画像から3D空間全体を生成するAIワールドモデル「Spell」を発表しました。

従来の3D生成AIは置物のような単体オブジェクトを作るものが主流でしたが、Spellは周囲の環境やキャラクター、小道具を含めたシーン全体を数分で構築します。生成されたボリュームは、近年注目を集める3D Gaussian Splattingとして出力できるほか、動画や画像連番、さらにメッシュへの変換にも対応しています。

モーフ変形を拒否し、物理的な交差を再現

Spellの核となるのは拡散モデルですが、最大の特徴は徹底した物理的な一貫性へのこだわりにあります。

反射や屈折、表面の粗さ、被写界深度といった光学的な質感を再現するだけでなく、カメラの動きにも物理法則を適用しています。例えば、カメラが壁の内側に入り込んだ際、一般的なAI動画のように壁が別の物体へとグニャリと変形するのではなく、壁との断面を正確にシミュレーションします。

学習データには、世界各国で長期にわたり自社収集した実世界の映像と、Spline独自のエディタ技術でレンダリングした合成データを組み合わせて使用しています。また、ユーザーがSpline上で作成したデータは一切学習に使用していないことも明言されています。

なぜ重要か

私たちは、Splineが単なる見栄えの良い動画生成にとどまらず、Gaussian Splattingという実用的な3D表現形式にフォーカスした点を高く評価しています。

インディーゲーム開発者や空間コンピューティング向けクリエイターにとって、2Dのコンセプトアートから背景環境を立ち上げる作業は多大な時間を要する工程でした。数分で空間の奥行きやカメラパスを検証できるボリュームが手に入るなら、プロトタイピングの効率は劇的に上がります。ただし、今回は初期バージョンであり、品質や細部の破綻についてはまだ改善の余地が大きいと開発元も認めています。現時点で最終アセットとしてそのまま使うのは難しいものの、構想段階の検証ツールとしては今すぐ触る価値があります。

業界全体で見れば、単体モデル生成から「世界（ワールド）モデル」への決定的なシフトを示しています。Splineのブラウザ型リアルタイムエディタと深く統合されれば、従来の3D制作パイプラインを根本から変える存在になるはずです。