💻 Blender и кодинг-агенты: как нейросеть рендерит сцены прямо в macOS

Саймон Уиллисон поделился новым приёмом работы с Blender через кодинг-агентов. Современные фронт-модели научились отлично управлять этим 3D-редактором: они создают полноценные .blend-файлы, рендерят изображения и даже собирают короткие анимации — последовательно рендеря кадры и склеивая их через ffmpeg.

На Mac у Уиллисона это отлично работает в ChatGPT Codex. Достаточно установить полноценное приложение Blender с blender.org и дать агенту команду вроде «Use the already installed /Applications/Blender to render a scene of a pelican riding a bicycle». Далее уточняющими промптами («добавь фон и побольше фантазии», «сделай заметно лучше») модель сама пишет код на Python API Blender и выдаёт картинку. Финальный скрипт автор опубликовал на GitHub — он показывает, как агент строит сцену: пляж, велосипед, пеликан в шляпе и с шарфом.

Практическая польза очевидна: любому разработчику теперь доступен генеративный 3D-пайплайн без ручного изучения интерфейса Blender. Кодинг-агенты превращают запрос на естественном языке в готовый скрипт рендера — это удобно для прототипирования, создания иллюстраций и даже простых видео прямо с Mac.

#AI #Blender #codingAgents #ChatGPT #Codex #MachineLearning

🎑 AI-агенты собирают 3D-сцены по одному фото - но не понимают, получилось ли у них

Исследователи представили подход Image-to-Code: кодирующий агент получает единственную фотографию и пишет программу для Blender. Агент работает итеративно - генерирует код, запускает, смотрит на результат и правит, пока сцена не совпадёт с исходником. Поскольку на выходе программа, в ней явно зафиксированы объекты, геометрия, компоновка и позиция камеры: сцену можно запускать, проверять и редактировать как обычный код.

Для оценки создали LEGO-Bench - 208 изображений из 104 сцен и 443 ассета. Картинки отрендерены из профессионально собранных симуляторных сцен: выглядят естественно, но точная геометрия и разметка объектов остаются скрытым «ключом ответов». Метрики три: валидность, точность реконструкции видимой геометрии и визуальное сходство с оригиналом.

Все шесть протестированных конфигураций GPT почти всегда выдавали рабочую сцену, но точность разнилась радикально: GPT-6 Astra - 53,4% на интерьерах и 39,6% на улице, слабые конфигурации - около 15%. Улица сложнее интерьеров, и чем сложнее сцена, тем хуже результат. Главная находка: модели не умеют оценивать собственную работу - выбирая из двух версий более близкую к оригиналу, они попадали в геометрические суждения на уровне случайного угадывания. Даже Astra в поздних итерациях ломала свою же сцену, падая с 33,9% до 4,4%.

🎨 qvabo.studio/tg · картинки и видео

#AI #3D #Blender #Agents #Grading #LEGOBench