Двухнедельный пилотный проект с участием 49 студентов в Florida Universitària в Испании сократил время на создание временных моделей с 1–2 часов до 5–15 минут, создав 448 моделей в 8 командах по разработке игр.
Пау Комес преподает 3D-анимацию, игры и интерактивные среды в Florida Universitària, высшем учебном заведении в Валенсии, Испания, где студенты второго курса проводят шесть месяцев, превращая игровой проект от концепции до публикации. В этом графике фаза предварительной визуализации страдает больше всего.
Чтобы проверить, может ли генеративный ИИ изменить это, Пау вместе с другим профессором провел двухнедельный пилотный проект в ноябре 2025 года в рамках модуля «Проект аудиовизуальной анимации», используя Meshy 6 Preview для интеграции AI image-to-3D в фазу предварительной визуализации. С неограниченным доступом к студии на протяжении всего периода, студенты, которые использовали Meshy, перестали вручную создавать временные активы. Вместо этого они загружали свои собственные концепт-арты в Meshy, генерировали быстрые объемные прокси и использовали их для тестирования камер, масштаба и композиции в реальной сцене, прежде чем начиналась любая окончательная работа по моделированию.
Этот сдвиг не только сэкономил время. Он вернул предварительную визуализацию в учебный план как настоящую рабочую фазу и открыл её для всей команды, а не только для одного или двух специалистов, которые раньше занимались этим. Это также дало группе их первый практический опыт работы с 3D-пайплайнами, поддерживаемыми ИИ, такие же, которые сейчас строят студии.
Почему 3D предварительная визуализация становится узким местом в классах анимации
В обучении анимации и играм предпроизводственная фаза обычно первая, которая исчезает, когда сроки сжимаются. Раскадровки, аниматики и 3D предварительная визуализация на бумаге звучат как необходимые, но студенты, которые все еще изучают полный пайплайн, склонны сразу переходить к моделированию окончательных активов. Предварительная визуализация либо сокращается до грубого наброска, либо полностью выпадает из графика.
Для Пау это была самая уязвимая точка в учебном плане. До пилотного проекта его студенты сталкивались с одними и теми же четырьмя проблемами на ранних стадиях 3D работы:
- Медленные ручные временные модели. Сравнимая временная модель, созданная вручную, занимала от 1 до 2 часов, оставляя мало времени для тестирования камер, масштаба и композиции.
- Сконцентрированная рабочая нагрузка. С учетом только нескольких часов, выделенных на предварительную визуализацию, один или два студента из группы создавали одну версию, в то время как остальные члены команды оставались в своих собственных специализациях.
- Трудности в передаче пространственных идей. Эскизы и устные описания не были достаточными, чтобы согласовать команду по форме, масштабу и кадрированию до начала производства.
- Воображение опережает навыки. Некоторые студенты могли ясно представить себе сцену, но не могли её смоделировать с нуля, поэтому хорошие идеи оставались в их головах.
Результатом был знакомый разрыв между раскадровкой и блокировкой. Именно в этом разрыве лучшие инструменты image-to-3D оказывают наибольшее влияние.
Разработка двухнедельного пилотного проекта в рамках реального игрового проекта
Пау провел исследование в контексте активного производства, а не как отдельное упражнение:
- 49 студентов второго курса в программе Высшего профессионального обучения по 3D-анимации и интерактивным средам (система Formación Profesional / Профессиональное обучение в Испании)
- 8 команд разработчиков, каждая из которых создавала кинематографический или игровой трейлер для своего собственного проекта
- Двухнедельное окно предварительной визуализации в рамках более широкого шестимесячного проекта
- Неограниченный доступ к Meshy в студийном режиме на протяжении всего периода
- Смешанные методы оценки: предварительные и последующие опросы, журналы активов в платформе и качественный обзор созданных моделей и результатов команд
С самого первого дня объем был ясен. Meshy был специально разработан для фазы предварительной визуализации, где скорость и итерации важнее, чем качество финального производства. Вопрос был более узким: может ли ИИ предотвратить жертву предварительной визуализации и помочь студентам принимать более обоснованные решения до того, как они посвятят сотни часов моделированию?
Как студенты использовали Image-to-3D от Meshy для предварительной визуализации
Четкая картина возникла в первые несколько дней. Вместо того чтобы работать только с текстовыми подсказками, студенты использовали Meshy как переводчик из 2D в 3D: они загружали свои собственные концепт-арты и ранние эскизы, а затем оценивали, стоит ли дальнейшего развития объемная интерпретация, которую они получали.
Рабочий процесс image-to-3D, на который остановилось большинство команд:
- Загрузите референс. Концепт-арт или 2D-эскиз из раннего этапа проекта.
- Создайте объем. Image-to-3D возвращает быстрый текстурированный прокси за считанные минуты.
- Добавьте в сцену. Проверьте пропорции, кадрирование и масштаб по отношению к остальной части макета.
- Примите решение. Оставьте то, что работает, очистите топологию там, где это необходимо, и переходите к производству с более четким представлением о том, как должен выглядеть финальный кадр.
Что Meshy предоставил им, так это объемный скетчбук: 3D-снимок, который действительно нужен на этапе предварительной визуализации. Команды могли попробовать кадрирование, отказаться от него, попробовать другое и перейти к этапу производства с уже принятыми решениями, а не догадками.
Несколько сценариев использования возникли почти в каждой команде:
- Заполнение сцен текстурированными прокси, чтобы выйти за рамки плоского серого бокса
- Тестирование углов камеры и масштаба по отношению к реальным объемам, а не воображаемым
- Преобразование 2D-концепт-арта в 3D-макеты, которые могла критиковать вся команда
- Коммуникация пространственных идей, которые было трудно описать устно или ��ыстро нарисовать
На протяжении всего процесса студент оставался ответственным за работу. Meshy предлагал, а студенты выбирали, корректировали и принимали решения. Именно это сочетание быстрого генерации ИИ с постоянной человеческой оценкой сделало рабочий процесс успешным.
"Meshy помог студентам прояснить идеи и показать их в изображении."
Pau Comes
Профессор 3D-анимации, Florida Universitària
Что изменил Meshy в классе
Оценка с первого взгляда
После двухнедельного испытания студенты оценили Meshy по шести параметрам:
| Параметр | Оценка |
|---|---|
| Простота использования | 5 / 5 |
| Полезность для предварительной визуализации | 4.5 / 5 |
| Скорость | 4.1 / 5 |
| Качество текстур | 4 / 5 |
| Соответствие референсу | 3.2 / 5 |
| Геометрия и топология | 2 / 5 |
Оценки оказались именно там, где пилотный проект был разработан для тестирования. Простота использования, полезность для предварительной визуализации и скорость — три параметра, которые наиболее важны для перехода от концепции к рабочему 3D-макету — все получили оценку выше 4 из 5.
Быстрая предварительная визуализация изменила структуру работы команд
Самым большим достижением стала скорость. Создание временных моделей сократилось с 1–2 часов до примерно 5–15 минут на модель, что составляет до 90% сокращения. За две недели восемь команд сгенерировали 448 моделей.
Более интересным изменением стала структура. Быстрые временные модели позволили командам пересмотреть, как они делят ранний этап:
- Подкоманды создавали параллельные версии предварительной визуализации и сравнивали их бок о бок, вместо того чтобы сразу принимать решение в пользу одной спешной версии.
- Каждый студент мог внести вклад в ранние визуальные решения, а не только один или два специалиста, которые по умолчанию занимались предварительной визуализацией — хотя на практике использование концентрировалось среди нескольких активных пользователей.
- Больше времени проекта уходило на эксперименты с камерой и ритмом, с большим количеством отзывов от преподавателей на каждую итерацию.
Для группы, построенной вокруг междисциплинарной командной работы, этот последний момент был столь же важен, как и сама скорость. Студенты больше не были вынуждены занимать узкие роли, связанные только с их специализацией, и ответственность за ранние творческие решения распределялась по всей команде.
Новая роль: от моделлера к 3D-директору
Пилотный проект также изменил то, чем занимались студенты во время предварительной визуализации. На этом этапе меньше времени уходило на моделирование с нуля. Больше времени уделялось формулировке запросов, выбору между вариантами, критике результатов и планированию исправлений.
Этот сдвиг открыл возможность обучать навыкам, которые уже востребованы в индустрии:
- Мультимодальное проектирование запросов. Умение работать как с текстовыми, так и с графическими входными данными.
- Кураторство AI-результатов. Знание, когда генерация полезна как ссылка, а когда нет.
- Ретопология и очистка AI-сгенерированных сеток. Конкретный технический навык, накладываемый на генеративный рабочий процесс.
Роль частично переместилась от моделлера к 3D-директору: человеку, который формулирует проблему, оценивает варианты и направляет процесс доработки.
AI как когнитивная опора: доступность в 3D-образовании
Одно из открытий изменило представление команды о самом процессе внедрения. Обучающийся, который обычно испытывал трудности с ручным 3D-моделированием, сгенерировал 57% всех моделей в пилотном проекте. Для некоторых обучающихся генеративный AI работает как своего рода когнитивная опора: мост между воображением и исполнением, позволяющий им внешне выразить идеи, которые они пока не могут смоделировать вручную.
Это указывает на реальную пользу в плане доступности наряду с повышением производительности. Инструменты AI 3D могут расширить круг людей, которые могут внести вклад в раннюю творческую работу, а не просто ускорить работу тех, кто уже занимается производством. Для программы, построенной вокруг междисциплинарной командной работы, это значительное изменение. Студенты, которые в противном случае могли бы передать задачи моделирования своим товарищам по команде, смогли непосредственно участвовать в формировании визуального направления своего проекта.
"Это помогает мне выразить то, что я не знаю, как смоделировать, или экономит мне часы поиска," сказал один из участников.
Реалистичный взгляд на внедрение
Внедрение внутри группы было неравномерным, и это оказалось полезным. Около 55% студентов приняли Meshy, в то время как 45% предпочли не использовать его, в основном по обдуманным причинам, а не из-за технических барьеров: предпочтение ручного ремесла, опасения по поводу влияния AI на творческую работу или вопросы, связанные с авторским правом и стилем. Преподавательская команда встроила это разделение в сам модуль, рассматривая его как возможность обсудить, как сосуществовать с AI, не теряя художественной идентичности. К концу пилотного проекта отношение изменилось от широкого беспокойства к более ясному пониманию того, где инструмент действительно подходит.
Что дальше: Внедрение Meshy в программу
Пилотный проект охватывал только этап предварительного производства. Следующий этап, который уже начался, использует предварительные визуализации, созданные с помощью Meshy, чтобы закрепить камеру, масштаб и ритм повествования перед созданием финальных активов через традиционный конвейер. Разница, по сравнению с предыдущими группами, заключается в гораздо меньшей неопределенности при переходе к производству.
Для Florida Universitària пилотный проект привел к нескольким конкретным решениям относительно самой программы:
- Позиционировать Meshy как концептуальный и 3D инструмент для предварительной визуализации в учебной программе: быстрый макет и слой объемного эскизирования с возможностью эволюции в финальное производство со временем.
- Разработать упражнения "Generate + Fix", где студенты создают базу в Meshy, ретопологизируют и разворачивают UV в Blender, и интегрируют результат в Unity или Unreal.
- Добавить модули по грамотности и этике ИИ в программу, чтобы студенты учились использовать эти инструменты критически, а не бездумно.
- Расширить подход на другие предметы. Рассматриваются курсы по цифровизации и более продвинутые программы, возможно, в формате мастер-класса или буткемпа.
Для преподавателя, работающего в условиях жестких графиков и требовательных студентов, Meshy нашел свое место именно там, где учебная программа была наиболее уязвима: в предварительной визуализации.
"Вопрос не в том, войдет ли ИИ в класс. Вопрос в том, для чего мы хотим его там использовать."
Пау Комес
Профессор 3D анимации, Florida Universitària
В этом пилоте ответ был ясен: катализатор для самой уязвимой фазы творческого процесса.
Florida Universitària сейчас проводит следующий этап эксперимента с нынешним набором студентов. Мы вернемся с их выводами.
