Bár a tudósok sikeresen alkalmazták a neurális hálózatokat, hogy elképzelt 15D-s jeleneteket képekké alakítsanak, ezek a gépi tanulási technikák nem elég gyorsak ahhoz, hogy alkalmasak legyenek számos valós alkalmazásra. Az új módszer, amelyet a Massachusetts Institute of Technology és más szervezetek kutatói mutattak be, mintegy 000 XNUMX-szer gyorsabban tud háromdimenziós jeleneteket renderelni képekből, mint néhány más modell. Erről jelentéseket a szervezet honlapja.
A szakemberek tisztázták, hogy az élet számos területén, például a precíziós sebészetben vagy a mezőgazdaságban szükség van a tárgyak háromdimenziós megjelenítésére. A neurális hálózatok általában kétdimenziós képet kapnak, és ennek alapján 3D objektumot hoznak létre. Az MIT tudósai azt mondták, hogy új módszerük a jelenlegi modellekhez képest mintegy 15 ezerszeres gyorsítást tesz lehetővé.
A fejlesztés szerzői egy fénymező hálózatot (LFN) hoztak létre, amely alapján a mesterséges intelligencia egyetlen megfigyelés után, képkockasebesség mellett, valós időben tanulta meg a háromdimenziós objektumok reprodukálását. Ez a módszer egy jelenetet 360°-os fénymezőként és egy olyan függvényként ábrázol, amely leírja az összes fénysugarat a háromdimenziós térben, amely minden ponton és minden irányban áthalad. A fénymező neurális hálózatba van kódolva, ami felgyorsítja a 3D-s jelenet megjelenítését.
A szakemberek több jeleneten is tesztelték a modellt. Azt találták, hogy az LFN segítségével a neurális hálózat több mint 500 képkocka/másodperc sebességgel képes 1,6D objektumokat generálni, ami körülbelül három nagyságrenddel gyorsabb, mint más módszerek. A tudósok azt is tisztázták, hogy a fénymező új hálózata racionálisabban használja fel a körülbelül XNUMX MB memóriát igénylő erőforrásokat.
„A neurális renderelés lehetővé tette a fotorealisztikus renderelést és a képszerkesztést, amely csak ritka bemeneti képeken alapul. Sajnos az összes létező módszer számítási szempontból nagyon drága, ami megakadályozza azok használatát olyan alkalmazásokban, amelyek valós idejű feldolgozást igényelnek, mint például a videokonferencia. Ez a projekt nagy lépést tesz a számításilag hatékony és matematikailag elegáns neurális renderelő algoritmusok új generációja felé. Arra számítok, hogy széles körben alkalmazzák majd a számítógépes grafikában, a számítógépes látásban és más területeken” – mondta Gordon Wetzstein, a kutatásban résztvevő egyetemi docens. Elmondása szerint az új technológia a számítógépes grafikában és más területeken is alkalmazásra talál majd.
November végén egyébként ismertté vált a Ricult program, amely a gazdákat segíti a termés növelésében. A szolgáltatás elemzi az időjárás változásait, hogy segítsen a thaiföldi és pakisztáni gazdálkodóknak kiválasztani a legjobb időt a növények vetésére.
Olvassa el még: