IISc के Department of Computational and Data Sciences में 25 सितंबर 2026 को पेश एक PhD thesis colloquium ने यह सवाल उठाया कि बेहतर visual AI के लिए सिर्फ 2D पिक्सेल नहीं, बल्कि scene की geometry भी जरूरी है।
मुद्दा gaming या visual effects तक सीमित नहीं है। robotics, mapping और spatial computing जैसी प्रणालियों में AI को यह समझना पड़ता है कि कौन-सी सतह कहाँ है, कौन-सी वस्तु किसके पीछे है और किसी नए viewpoint से दृश्य कैसा दिखना चाहिए।
सीधा जवाब यह है कि Neural Radiance Fields, यानी NeRF, और 3D Gaussian Splatting जैसी तकनीकें कई तस्वीरों को जोड़कर किसी scene की 3D बनावट का अनुमान लगाती हैं। इससे generative AI को सिर्फ “दिखने में ठीक” तस्वीर बनाने के बजाय यह संकेत मिलते हैं कि दृश्य की गहराई, सतह, occlusion और viewpoint का संबंध क्या है। नतीजा यह हो सकता है कि अलग-अलग कोणों से बनी छवियां ज्यादा स्थिर और आपस में संगत रहें।
Indian Institute of Science, Bengaluru के CDS विभाग में 25 सितंबर 2026 को हुए PhD thesis colloquium “From Reconstructing Scenes to Geometry-Guided Synthesis” का केंद्रीय तर्क भी यही था। संस्थान के abstract के अनुसार काम तीन स्तरों पर था: 3D representations को बेहतर बनाना, अलग-अलग views में आने वाली असंगतियों को सुलझाना, और recovered geometry की मदद से generative models को guide करना।
सिर्फ तस्वीर से समस्या कहाँ आती है
एक अकेली तस्वीर दुनिया का अधूरा रिकॉर्ड है। उसमें depth सीधे दिखाई नहीं देती, छिपे हुए हिस्से नजर नहीं आते, और camera angle बदलते ही कई अनुमान टूट जाते हैं। यही वजह है कि 2D image model एक view में सही लगने वाली चीज दूसरे view में बिगाड़ सकता है। किसी खिड़की, दर्पण, गलियारे या overlapping objects वाले scene में यह समस्या और तेज हो जाती है।
यहीं geometry “constraint” की तरह काम करती है। अगर model को यह पता हो कि दीवार कहाँ खत्म होती है, मेज किस गहराई पर है, और कोई object किस दिशा में मुड़ा है, तो वह नया view बनाते समय मनमाना बदलाव कम करेगा। दूसरे शब्दों में, geometry AI को रचनात्मक स्वतंत्रता नहीं, बल्कि जरूरी अनुशासन देती है।
NeRF और 3D Gaussian Splatting की भूमिका
NeRF और 3D Gaussian Splatting इस thesis में आविष्कृत तकनीकें नहीं हैं; ये पहले से स्थापित 3D scene representation approaches हैं। NeRF मूलतः अलग-अलग posed images से ऐसा representation सीखता है, जिससे नए viewpoints से scene को synthesize किया जा सके। 3D Gaussian Splatting इसी समस्या को एक अलग representation के साथ संभालता है, जिसमें दृश्य को अनेक 3D primitives के जरिये रखा जाता है और rendering को तेज तथा व्यावहारिक बनाया जाता है।
IISc के colloquium abstract के मुताबिक शोध का फोकस इन approaches को और उपयोगी बनाना था: stratified scenes को model करना, high-resolution multi-view reconstruction की computational cost कम करना, और dynamic scenes में aliasing घटाना। यानी सवाल केवल “3D बनाना” नहीं, बल्कि “बेहतर, तेज और ज्यादा robust 3D बनाना” था।
Generative AI के लिए इसका मतलब क्या है
कई generative models एक image अच्छी बना लेते हैं, लेकिन multi-view consistency पर अटक जाते हैं। अगर एक scene को बाएं से देखने पर कुर्सी चौकोर दिखे और दाएं से अचानक उसका आकार बदल जाए, तो model visually आकर्षक होने के बावजूद spatially भरोसेमंद नहीं माना जाएगा। thesis का तीसरा हिस्सा इसी समस्या पर था: recovered geometry को generation की शर्त बनाना।
संस्थान के abstract में mirror reflection synthesis जैसे कठिन test case का जिक्र है। दर्पण में गलत reflection तुरंत पकड़ में आ जाती है, क्योंकि वहां “plausible” छवि काफी नहीं होती; geometry के हिसाब से सही reflection चाहिए। यही कारण है कि यह शोध gaming या VFX से आगे जाकर robotics, mapping और future spatial interfaces के लिए भी अहम सवाल उठाता है, जहाँ physical correctness का महत्व ज्यादा है।
यह अभी क्या साबित करता है, और क्या नहीं
यहाँ सावधानी जरूरी है। 25 सितंबर 2026 की उपलब्ध सामग्री एक institutional thesis colloquium notice और उसका abstract है। इसे अपने आप में peer-reviewed journal publication या commercial benchmark नहीं माना जाना चाहिए। abstract से इतना स्पष्ट है कि यह thesis-level research programme है, जिसमें कई उप-विषयों और विधियों पर काम किया गया है।
इसीलिए इससे सीधे यह निष्कर्ष नहीं निकाला जा सकता कि कोई consumer product अब बेहतर हो गया, या किसी commercial platform में यह तकनीक तैनात हो चुकी है। यह शोध अधिक सही सवाल तय करता है: अगर AI को दुनिया में काम करना है, तो क्या उसे सिर्फ images नहीं, बल्कि geometry भी समझनी होगी? IISc में प्रस्तुत काम का संकेत है कि कई स्थितियों में जवाब हाँ है—खासकर तब, जब दृश्य-संगति और भौतिक शुद्धता केवल सुंदरता से ज्यादा महत्वपूर्ण हो।
आगे असली परीक्षण यह होगा कि thesis में दिखाए गए विचार peer-reviewed papers, reproducible evaluations और अलग-अलग real-world settings में कितने टिकते हैं। फिलहाल इतना जरूर कहा जा सकता है कि 3D AI की अगली बहस केवल बेहतर graphics की नहीं, बल्कि ज्यादा विश्वसनीय machine perception की है.
