在今年的 SIGGRAPH 2022 上，NVIDIA 宣布，為基于通用場景描述（USD）連接和構建元宇宙世界的平臺——NVIDIA Omniverse 提供一系列新的開發者框架、工具、應用和插件。

此次針對 Omniverse 的擴展包括多項 AI 工具和功能，它們讓藝術家、開發者和工程師能夠比以往更加輕松地構建虛擬世界和內容，并且更加無縫地連接當今領先的 3D 應用。

讓我們一覽此次 SIGGRAPH 的最新發布與重要更新！

SIGGRAPH 22 全新發布

Omniverse Avatar Cloud Engine（ACE）

Omniverse Avatar Cloud Engine（ACE）能夠為游戲、聊天機器人、數字孿生和虛擬世界的開發者提供用于構建和部署交互式虛擬形象的云原生 AI 模型，能夠讓用戶更輕松地構建和自定義栩栩如生的虛擬助手和數字人。

通過將這些模型和服務遷移到云端，ACE 使任何規模的企業都能夠立即獲得創建并部署助手和虛擬形象所需的大規模算力。這些助手和虛擬形象能夠理解多種語言、響應語音提示、與環境互動并提供智能建議。

NVIDIA 的Project Maxine 和 Project Tokkio

NVIDIA 的Project Maxine 和 Project Tokkio 是建立在 ACE 上的兩個應用

Project Maxine為虛擬協作和內容創建應用帶來了最先進的視頻和音頻功能。

Project Tokkio賦予交互式虛擬形象以視覺、感知和智能對話能力，并使虛擬形象能夠提供建議，以提高餐廳等場所的客戶服務水平。

Kaolin Wisp

建立神經場研究框架的 Pytorch 庫——Kaolin Wisp ，不但簡化了設計師的創作流程，還使數百萬非專業設計人士也能輕松創建 3D 內容。

開源USD （通用場景描述）資源

NVIDIA 正在發布一系列免費資源來加速 USD 的采用范圍，其中包括數千種專門用于幫助不具備 3D 專業知識的用戶構建開放虛擬世界的 USD 資產。NVIDIA 還提供數百個可按需選擇的教程、文檔和開發者工具來幫助普及 USD 教育。

開放的 USD 兼容性測試和認證套件

開發者可以自由使用該套件來測試他們使用 USD 構建的項目并驗證結果是否符合預期。

SIGGRAPH 更新

用于科學數字孿生的 NVIDIA Modulus 的連接

物理機器學習框架 NVIDIA Modulus 現已可用為 Omniverse 擴展程序。經 Modulus 訓練的物理機器學習模型可提供近實時的性能，根據不同的應用，其速度可提高 4000 甚至 100000 倍，并且具有前所未有、更接近高保真模擬的準確性。Modulus 是 NVIDIA Earth-2 等科學數字孿生的基石之一。

Omniverse Kit

用于構建本地 Omniverse 擴展和應用程序的工具包

Omniverse 中PhysX的主要更新，包括實時、多 GPU、可擴展的柔體和顆粒布料仿真，幫助提高虛擬世界和物體的物理準確性。

全新OmniLive Workflows：對 Omniverse 中基于 USD 的協作進行全面改造，為多個應用程序的 3D 工作流程帶來更高的速度和性能并實現非破壞性的 USD 工作流程，使藝術家和開發者之間的協作比以往更容易。

Omniverse Audio2Face

直接通過音頻文件創建面部動畫的 AI 工具，其推理和生成逼真情緒的新功能為 AI 動畫帶來了巨大的飛躍，可用于制作所有面部特征動畫。

Omniverse Machinima

用于輕松構建 3D 電影和動畫電影的應用，發布了數百個來自游戲《戰爭附言（Post Scriptum）》、《跨越火線（Beyond The Wire）》和《影子武士 3（Shadow Warrior 3）》的全新免費 3D 資產，以及 Audio2Gesture（可以利用音頻文件生成逼真手臂和身體運動的 AI）等一套全新 AI 動畫工具。

Omniverse DeepSearch

現已面向 Omniverse Enterprise 客戶開放。DeepSearch 使用自然語言幫助團隊利用 AI 直觀、準確地在龐大的、未標記的 3D 視覺資產數據庫中進行搜索。對于因擁有數十萬未標記資產而使搜索成為一大難題的游戲開發商或視覺特效工作室而言，DeepSearch 將帶來巨大的改變。

核心仿真模擬技術的重大更新

NVIDIA MDL: 10 年來，該材質標準一直支持物理級精確的 3D 材質表現，現已完全開源，使開發者能夠為任何渲染器帶來材質定義語言支持。

NeuralVDB: 即將發布公測版的NeuralVDB 是 OpenVDB 的下一個升級版本。它為稀疏體積的數據集帶來了 AI 和 GPU 優化，并將這些海量數據集的內存占用率降低了多達 100 倍。

審核編輯：湯梓紅