4D-Creation
4D-Creation bezeichnet Verfahren, mit denen Computerprogramme aus einem Text oder einem Video ein räumliches Objekt erzeugen, das sich zusätzlich über die Zeit bewegt. Das Ergebnis ist kein flaches Video, sondern eine bewegte 3D-Szene, die man von allen Seiten betrachten kann.
Ein normales Foto hat zwei Ausdehnungen: Breite und Höhe. Ein räumliches Modell am Computer hat drei, es kommt die Tiefe dazu. Solche Modelle kennt man aus Videospielen: Man kann die Kamera um eine Figur herumdrehen und sie von hinten sehen. Bei 4D-Creation kommt eine vierte Ausdehnung hinzu, nämlich die Zeit. Das erzeugte Objekt steht also nicht still, sondern bewegt sich, während man es weiterhin aus jedem Winkel betrachten kann. Eine Software erzeugt so aus einer kurzen Beschreibung wie „ein springender Hund“ eine räumliche, bewegte Szene.
Warum bewegte Raumszenen mehr wert sind als Videos
Programme, die aus Text ein Video machen, gibt es seit einigen Jahren. Ihr Ergebnis hat aber einen festen Blickwinkel. Wer die Szene von der Seite sehen will, muss ein neues Video erzeugen lassen. Dabei sieht die Figur dann oft anders aus als vorher. Ein 4D-Ergebnis löst dieses Problem, weil es die Szene selbst beschreibt und nicht nur ein Bild davon.
Das ist für ganze Branchen interessant. In Spielen und Filmen kostet es viel Geld, wenn Fachleute Figuren modellieren und ihre Bewegungen von Hand festlegen. Auch Brillen für virtuelle Realität brauchen Inhalte, die auf Kopfbewegungen reagieren. Ein fertiges Video reicht dort nicht aus, weil der Blickwinkel sich ständig ändert.
Ein weiterer Bereich ist die Robotik. Ein Roboter muss lernen, wie sich Dinge im Raum bewegen. Echte Trainingsdaten dafür zu sammeln ist aufwendig. Künstlich erzeugte, bewegte Raumszenen könnten diese Lücke teilweise füllen.
Vom Standbild über die Raumform zur Bewegung
Die meisten Systeme arbeiten in Stufen und stützen sich auf bereits vorhandene Modelle. Zuerst erzeugt ein Bild- oder Videomodell aus dem Text ein Beispielbild oder eine kurze Videosequenz. Dieses Ergebnis dient als Vorlage. Daraus baut das System eine räumliche Darstellung auf, indem es abschätzt, wie das Objekt von anderen Seiten aussehen müsste.
Für die räumliche Darstellung nutzt man meist eine von zwei Techniken. Die eine speichert die Szene als Netz aus Millionen kleiner, farbiger Punkte, die zusammen ein Bild ergeben. Die andere speichert sie als mathematische Funktion, die zu jedem Punkt im Raum Farbe und Dichte angibt. Beide lassen sich aus jedem Blickwinkel neu berechnen.
Die Bewegung entsteht, indem das System diese Darstellung Zeitschritt für Zeitschritt verformt. Dabei muss es zwei Bedingungen gleichzeitig erfüllen. Aus jedem Blickwinkel soll die Szene glaubwürdig aussehen, und der Ablauf soll ruckelfrei sein. Genau dieser Zielkonflikt ist die zentrale Schwierigkeit. Häufige Fehler sind zerfließende Ränder, plötzlich verschwindende Gliedmaßen oder eine Rückseite, die nicht zur Vorderseite passt.
Forschungsprojekte statt fertiger Apps
Anders als bei Chatbots oder Bildgeneratoren gibt es hier noch kaum Produkte für Endnutzer. Der Begriff taucht vor allem in Forschungsarbeiten großer Technologiekonzerne und Universitäten auf. Bekannte Projektnamen aus diesem Feld sind etwa MAV3D, 4D-fy oder DreamGaussian4D. Fachleute sprechen dabei oft von Text-zu-4D oder Video-zu-4D, je nachdem, was man vorne hineingibt.
In Wirtschaftsnachrichten begegnet einem das Thema meist indirekt. Es geht dann um Firmen, die Werkzeuge für Spieleentwicklung, Filmeffekte oder virtuelle Welten anbieten. Auch Hersteller von Grafikchips erwähnen den Bereich, weil solche Verfahren sehr viel Rechenleistung brauchen. Ein einzelnes bewegtes Objekt kann heute noch Minuten bis Stunden Rechenzeit kosten.
Ein verbreiteter Irrtum ist, 4D-Creation sei einfach besseres Video. Der Unterschied liegt nicht in der Bildqualität, sondern darin, was gespeichert wird. Ein Video speichert Bilder, eine 4D-Szene speichert Form und Veränderung. Deshalb kann man in eine 4D-Szene hineingehen, sie beleuchten oder mit anderen Objekten kombinieren.