《综合金融服务行业生成式AI下一颗最闪亮的星：视频+引擎-231015（31页）.pdf》由会员分享，可在线阅读，更多相关《综合金融服务行业生成式AI下一颗最闪亮的星：视频+引擎-231015（31页）.pdf（31页珍藏版）》请在三个皮匠报告上搜索。

1、1证券研究报告作者：海外行业报告|行业专题研究请务必阅读正文之后的信息披露和免责申明生成式生成式AI下一颗最闪亮的星：视频下一颗最闪亮的星：视频+引擎引擎2023年10月15日分析师 孔蓉SAC执业证书编号：S1110521020002分析师 李泽宇 SAC执业证书编号：S1110520110002摘要2请务必阅读正文之后的信息披露和免责申明1 1）内容创作工具的重要性如何？我们认为关键在于拉动远比工具本身更大的市场，类似于短视频时代的前身）内容创作工具的重要性如何？我们认为关键在于拉动远比工具本身更大的市场，类似于短视频时代的前身GIFGIF创作工具，如剪映这种创作工具和抖音这种内容生态，创

2、作工具，如剪映这种创作工具和抖音这种内容生态，MayaMaya这种创作工具和动画的内容生态，视频与建这种创作工具和动画的内容生态，视频与建模工具将进一步大幅拉动生成式模工具将进一步大幅拉动生成式AIAI的需求。的需求。2 2）能力或出现明显分化。我们认为当前）能力或出现明显分化。我们认为当前DiffusionDiffusion开源模型下各公司生成图片的能力尚未明显出现分化，但建开源模型下各公司生成图片的能力尚未明显出现分化，但建模和视频更重要的在于和传统工具与工作流的结合模和视频更重要的在于和传统工具与工作流的结合。3 3）接下来半年关注什么？我们认为从能力来看，图片生成的可控性快速提高或将出

3、现，矢量图、结构、视频、）接下来半年关注什么？我们认为从能力来看，图片生成的可控性快速提高或将出现，矢量图、结构、视频、3D3D模型生成也将提速。尤其关注模型生成也将提速。尤其关注UnityUnity与与AppleApple的合作，在的合作，在AIAI生成内容生成内容/建模建模/App/App适配上将会如何塑造空间计算适配上将会如何塑造空间计算的内容与应用的标准生态。的内容与应用的标准生态。风险提示风险提示：生成式生成式AIAI发展不及预期；算力成本及硬件发展不及预期；相关应用产品上线后效果不及预期。发展不及预期；算力成本及硬件发展不及预期；相关应用产品上线后效果不及预期。2WlYgYlYdY

4、mUtPtPrM6McMaQpNmMsQnOfQmNmMiNmNsNaQnNuNNZmRsMNZmQxP3请务必阅读正文之后的信息披露和免责申明目录目录1 1、生成式、生成式AIAI在视频在视频/3D/3D/游戏等领域的渗透加速游戏等领域的渗透加速2 2、生成式、生成式AIAI下游应用场景展望下游应用场景展望3 3、风险提示、风险提示资料来源：NeRF:Representing Scenes as Neural Radiance Fields for View Synthesis（B Mildenhall等），Generative AI meets 3D:A Survey on Text-to

5、-3D in AIGC Era（C Li 等），量子位公众号，品览pinlan公众号，腾讯云开发者社区，datagentech等，天风证券研究所1.1 1.1 生成算法模型不断突破创新，下游应用场景不断拓展生成算法模型不断突破创新，下游应用场景不断拓展GANsGANsDiffusionDiffusionNeRFNeRF原理原理生成对抗网络（GAN）是一种深度学习模型，通过同时训练两个相互对抗的网络（一个生成器网络和一个判别器网络）来生成与真实数据分布相似的新数据扩散模型是一种概率生成模型，通过添加噪声逐步解构数据，然后学习逆转扩散过程来生成样本。基于2D图像输入，将3D场景展现为一组可以学习且

6、连续的神经辐射场，不直接生成3D模型，而是由输入视角+位置来生成密度+色彩信息，从而生成新视角的模型优势优势能够生成较高质量的样本，一般只需要一次通过网络就可以生成一个样本，比较快速只需训练生成器而无需训练判别器，能够生成细节清晰的数据样本，质量明显优于GANs模型更准确还原3D场景中细节和颜色，比网格和其他几何表征更容易优化缺陷缺陷GAN的训练过程需要生成器和额外的判别器，且稳定性较差扩散模型的训练缓慢且计算量密集，且需要大量的数据进行有效训练训练复杂，且无法对生成的场景进行直接编辑应用场应用场景景GANs常用于图像生成、图像超分辨率、风格迁移等任务可用于生成建筑方案，游戏人物、场景设计游戏