Dvou týdenní pilotní projekt se 49 studenty na Florida Universitària ve Španělsku zkrátil modelování zástupných objektů z 1–2 hodin na 5–15 minut, což vedlo k vytvoření 448 modelů v rámci 8 týmů pro vývoj her.
Pau Comes vyučuje 3D animaci, hry a interaktivní prostředí na Florida Universitària, vyšší odborné škole ve Valencii ve Španělsku, kde studenti druhého ročníku stráví šest měsíců prací na herním projektu od konceptu až po publikaci. V rámci tohoto harmonogramu je fáze previsualizace tou, která nejvíce trpí.
Aby zjistil, zda by generativní AI mohla tuto situaci změnit, Pau spolu s dalším profesorem v listopadu 2025 uspořádali dvoutýdenní pilotní projekt v rámci modulu Audiovizuální animační projekt, při kterém použili Meshy 6 Preview k zavedení AI pro převod obrazu na 3D do fáze previs. S neomezeným přístupem do studia po celou dobu trvání projektu studenti, kteří přijali Meshy, přestali ručně vytvářet zástupné objekty. Místo toho vložili své vlastní konceptuální umění do Meshy, generovali rychlé objemové proxy a používali je k testování kamer, měřítka a kompozice ve skutečné scéně, a to vše před zahájením jakékoli finální modelovací práce.
Tato změna nejenže ušetřila čas. Vrátila previs zpět do osnov jako skutečnou pracovní fázi a otevřela ji celému týmu, nejen jednomu nebo dvěma specialistům, kteří ji dříve vlastnili. Také poskytla skupině jejich první praktickou zkušenost s AI-asistovanými 3D pipeline, které nyní studia budují.
Proč se 3D Previs stává úzkým hrdlem v animačních učebnách
V animaci a herním vzdělávání je předprodukce obvykle první věcí, která se vynechá, když se termíny zkracují. Storyboardy, animatiky a 3D previs zní na papíře jako nezbytné, ale studenti, kteří se teprve učí celý pipeline, mají tendenci přejít rovnou k modelování finálních objektů. Previs buď zmenší na hrubý náčrt, nebo zcela vypadne z harmonogramu.
Pro Paua to byl nejkřehčí bod v osnovách. Před pilotním projektem jeho studenti naráželi na stejné čtyři problémy během rané fáze 3D práce:
- Pomalé ruční zástupné objekty. Srovnatelný zástupný objekt vytvořený ručně trval 1 až 2 hodiny, což nechávalo málo času na testování kamer, měřítka a kompozice.
- Koncentrovaná pracovní zátěž. S pouze několika hodinami vyhrazenými pro previs by jeden nebo dva studenti na skupinu vytvořili jednu verzi, zatímco zbytek týmu by zůstal uzamčen ve svých vlastních specializacích.
- Těžko komunikovatelné prostorové nápady. Náčrty a slovní popisy nestačily k tomu, aby se tým sjednotil na formě, měřítku a rámování před produkcí.
- Představivost před dovedností. Někteří studenti si dokázali jasně představit scénu, ale ještě ji nedokázali modelovat od nuly, takže dobré nápady zůstaly v jejich hlavách.
Výsledkem byla známá mezera mezi storyboardem a blokováním. Právě v této mezeře dělají lepší nástroje pro převod obrazu na 3D největší rozdíl.
Navrhování dvoutýdenního pilotního projektu v rámci skutečného herního projektu
Pau vedl studii v aktivním produkčním kontextu, nikoli jako samostatné cvičení:
- 49 studentů druhého ročníku v rámci Vyššího odborného vzdělávání v 3D animaci a interaktivních prostředích (španělský systém Formación Profesional / odborné vzdělávání)
- 8 vývojových týmů, z nichž každý produkoval filmový nebo herní trailer pro svůj vlastní titul
- Dvoutýdenní okno pro previs v rámci širšího šestiměsíčního projektu
- Neomezený přístup k Meshy v režimu studia po celou dobu trvání
- Smíšené metody hodnocení: před- a po-pilotní průzkumy, záznamy aktiv v platformě a kvalitativní přezkum generovaných modelů a výstupů týmů
Rozsah byl jasný od prvního dne. Meshy byl od začátku zaměřen specificky na fázi pre-vizualizace, kde rychlost a iterace mají větší význam než finální produkční kvalita. Otázka byla užší: mohl by AI zabránit tomu, aby byla pre-vizualizace obětována, a pomohl studentům činit lepší rozhodnutí před tím, než se zaváží k stovkám hodin modelování?
Jak studenti využívali Meshyho převod z obrazu na 3D pro pre-vizualizaci
Během prvních několika dní se objevil jasný vzorec. Místo práce pouze s textovými podněty, studenti používali Meshy jako překladač z 2D na 3D: vkládali své vlastní konceptuální umění a dřívější skici, a pak hodnotili, zda je volumetrická interpretace, která se vrátila, hodna dalšího zpracování.
Workflow převodu z obrazu na 3D, na kterém se většina týmů usadila:
- Nahrát referenci. Konceptuální umění nebo 2D skica z dřívější fáze projektu.
- Vygenerovat objem. Převod z obrazu na 3D vrátí rychlý texturovaný proxy během několika minut.
- Umístit do scény. Testovat proporce, rámování a měřítko vůči zbytku rozložení.
- Rozhodnout se. Zachovat to, co funguje, vyčistit topologii tam, kde je potřeba, a přejít do produkce s jasnější představou o tom, jak by měl finální záběr vypadat.
Co jim Meshy poskytl, byl volumetrický skicář: 3D snímek, který fáze pre-vizualizace skutečně potřebuje. Týmy mohly zkusit rámování, zahodit ho, zkusit jiné a dosáhnout fáze produkce s rozhodnutími již uzamčenými místo hádání.
Několik případů použití se objevilo téměř u každého týmu:
- Zaplnění scén texturovanými proxy pro překonání plochého greyboxu
- Testování úhlů kamery a měřítka vůči skutečným objemům místo představovaných
- Převod 2D konceptuálního umění do 3D maket, které mohl celý tým kritizovat
- Komunikace prostorových nápadů, které bylo těžké popsat verbálně nebo rychle načrtnout
Po celou dobu zůstával student zodpovědný za práci. Meshy navrhoval, a studenti vybírali, opravovali a rozhodovali. Tato kombinace rychlé AI generace s konzistentním lidským úsudkem byla tím, co činilo workflow efektivním.
"Meshy pomohl studentům objasnit nápady a ukázat je v obraze."
Pau Comes
Profesor 3D animace, Florida Universitària
Co Meshy změnil ve třídě
Hodnocení na první pohled
Po dvoutýdenní zkušební době studenti hodnotili Meshy v šesti dimenzích:
| Dimenze | Hodnocení |
|---|---|
| Snadnost použití | 5 / 5 |
| Užitečnost pro pre-vizualizaci | 4.5 / 5 |
| Rychlost | 4.1 / 5 |
| Kvalita textur | 4 / 5 |
| Věrnost referenci | 3.2 / 5 |
| Geometrie a topologie | 2 / 5 |
Skóre dopadlo přesně tam, kde byl pilot navržen k testování. Snadnost použití, užitečnost pro pre-vizualizaci a rychlost — tři dimenze, které jsou nejdůležitější pro přechod od konceptu k funkčnímu 3D rozložení — všechny byly hodnoceny nad 4 z 5.
Rychlejší pre-vizualizace restrukturalizovala práci týmů
Největším přínosem byla rychlost. Vytváření zástupných symbolů se snížilo z 1–2 hodin na přibližně 5–15 minut na model, což je snížení až o 90%. Během dvou týdnů vygenerovalo osm týmů mezi sebou 448 modelů.
Zajímavější změna byla strukturální. Rychlejší zástupné symboly umožnily týmům přepracovat, jak si rozdělily ranou fázi:
- Podtýmy produkovaly paralelní verze pre-vizualizace a porovnávaly je vedle sebe, místo aby se hned zavázaly k jedné uspěchané verzi.
- Každý student mohl přispět k raným vizuálním rozhodnutím, nejen jeden nebo dva specialisté, kteří dříve vlastnili previs automaticky — i když v praxi se používání soustředilo mezi několik intenzivních uživatelů.
- Více času na projekt bylo věnováno experimentům s kamerou a rytmem, s více zpětnou vazbou od instruktorů na iteraci.
Pro skupinu postavenou na interdisciplinární týmové práci byl tento poslední bod stejně důležitý jako samotná rychlost. Studenti již nebyli tlačeni do úzkých rolí vázaných pouze na jejich specializaci a vlastnictví raných kreativních rozhodnutí se nakonec sdílelo napříč týmem.
Nová role: Od modeláře k 3D režisérovi
Pilotní projekt také změnil, co studenti během previs dělali. Méně času bylo věnováno modelování od nuly v této fázi. Více času bylo věnováno formulaci promptů, výběru mezi variantami, kritice výstupů a plánování oprav.
Tento posun otevřel prostor pro výuku dovedností, které průmysl již požaduje:
- Multimodální návrh promptů. Práce plynule s textovými i obrazovými vstupy.
- Kurátorství AI výstupů. Vědět, kdy je generace užitečná jako reference a kdy není.
- Retopologie a úklid AI-generovaných meshů. Konkrétní technická dovednost vrstvená na generativní workflow.
Role se částečně přesunula z modeláře směrem k 3D režisérovi: někomu, kdo formuluje problém, hodnotí možnosti a řídí zdokonalení.
AI jako kognitivní opora: Přístupnost ve 3D vzdělávání
Jedno zjištění přerámovalo, jak tým přemýšlel o samotném přijetí. Učící se, který obvykle bojoval s ručním 3D modelováním, vygeneroval 57% všech modelů v pilotním projektu. Pro některé studenty funguje generativní AI jako druh kognitivní opory: most mezi představivostí a provedením, který jim umožňuje externalizovat nápady, které ještě nemohou modelovat ručně.
To ukazuje na skutečný přínos pro přístupnost vedle produktivity. AI 3D nástroje mohou rozšířit, kdo se může podílet na rané kreativní práci, nejen urychlit ty, kteří ji již produkují. Pro program postavený na interdisciplinární týmové práci je to významný posun. Studenti, kteří by jinak předávali úkoly modelování spolužákům, se mohli přímo podílet na formování vizuálního směru svého projektu.
"Pomáhá mi vyjádřit to, co nevím, jak modelovat, nebo mi šetří hodiny hledání," řekl jeden z účastníků.
Realistický pohled na přijetí
Přijetí uvnitř skupiny bylo nerovnoměrné, a to se ukázalo jako užitečné. Asi 55% studentů přijalo Meshy, zatímco 45% se rozhodlo ho nepoužívat, většinou z uvážených důvodů spíše než technických překážek: preference pro ruční řemeslo, obavy o dopad AI na kreativní práci nebo otázky kolem autorských práv a stylu. Výukový tým tuto rozdělenost začlenil do samotného modulu, považujíc ji za příležitost k diskusi o tom, jak koexistovat s AI, aniž by se ztratila umělecká identita. Na konci pilotního projektu se postoje posunuly od široké úzkosti k jasnějšímu pochopení, kde nástroj skutečně zapadá.
Co bude dál: Začlenění Meshy do programu
Pilotní projekt pokrýval pouze předprodukci. Další fáze, která již probíhá, využívá previs assety generované pomocí Meshy k zajištění kamery, měřítka a narativního rytmu před produkcí finálních assetů tradičním způsobem. Rozdíl oproti předchozím skupinám je mnohem menší nejistota při vstupu do produkce.
Pro Florida Universitària vedl pilotní projekt k několika konkrétním rozhodnutím o samotném programu:
- Umístit Meshy jako koncept a nástroj pro 3D previs do osnov: rychlá maketa a vrstva objemového skicování, s možností vývoje do finální produkce v průběhu času.
- Navrhnout cvičení "Generovat + Opravit", kde studenti vytvoří základ v Meshy, retopologizují a rozbalí UV v Blenderu a integrují výsledek do Unity nebo Unreal.
- Přidat moduly o AI gramotnosti a etice do programu, aby se studenti naučili používat tyto nástroje kriticky, nikoli nekriticky.
- Rozšířit přístup na další předměty. Kurzy digitalizace a pokročilejší programy jsou zvažovány, možná ve formátu workshopu nebo bootcampu.
Pro učitele pracujícího s napjatými rozvrhy a náročnými studenty našel Meshy své místo přesně tam, kde byl učební plán nejkřehčí: v previsualizaci.
"Otázkou není, zda AI vstoupí do učebny. Otázkou je, proč ji tam chceme mít."
Pau Comes
Profesor 3D animace, Florida Universitària
V tomto pilotním projektu byla odpověď jasná: katalyzátor pro nejkřehčí fázi tvůrčího procesu.
Florida Universitària nyní provádí další fázi experimentu s letošní skupinou studentů. Vrátíme se s tím, co zjistí.
