Мазмуну[Жашыруу][Көрсөтүү]
Эй, сен билесиңби, NVIDIAнын Instant NeRF нейрондук рендеринг модели менен 3D берилиштеринен секунданын ичинде 2D көрүнүшүн түзсө болот жана ал көрүнүштүн сүрөттөрү миллисекунддарда көрсөтүлүшү мүмкүн?
Инверстүү рендеринг деп аталган техниканы колдонуп, фотосүрөттөрдүн жыйнагын тез арада санариптик 3D чөйрөгө айландырууга болот, бул AIга жарыктын чыныгы дүйнөдө кандай иштээрин туурайт.
Бул NVIDIA изилдөө тобу иштеп чыккан, операцияны укмуштуудай тез – дээрлик бир заматта бүтүргөн техниканын аркасында, ультра тез нейрон тармагын үйрөтүүнү жана тез көрсөтүүнү айкалыштыра алган алгачкы моделдердин бири.
Бул макалада NVIDIA NeRF тереңдетилген, анын ичинде анын ылдамдыгы, колдонуу учурлары жана башка факторлор каралат.
Ошентип, эмне NeRF?
NeRF нервдик нурлануу талааларын билдирет, ал аз сандагы киргизүү көрүнүштөрүн колдонуу менен негизги үзгүлтүксүз көлөмдүү сахна функциясын тактоо аркылуу татаал көрүнүштөрдүн уникалдуу көрүнүштөрүн түзүү ыкмасын билдирет.
Киргизүү катары 2D сүрөттөрдүн жыйнагы берилгенде, NVIDIA NeRF'лери иштейт нейрон тармактары 3D көрүнүштөрдү көрсөтүү жана түзүү.
Бул үчүн аймактын ар кайсы бурчтарынан бир аз сандагы сүрөттөр керек нейрон тармак, ар бир кадрдагы камеранын орду менен бирге.
Бул сүрөттөр канчалык тез тартылса, ошончолук жакшы, айрыкча кыймылдуу актерлор же объекттер тартылган сценаларда.
3D сүрөт тартуу процедурасы учурунда өтө көп кыймыл болсо, AI жараткан 2D көрүнүшү булганып калат.
3D чөйрөсүндөгү каалаган жерден ар бир багытта чыккан жарыктын түсүн алдын ала айтуу менен, NeRF бул маалыматтардан калган боштуктарды эффективдүү түрдө толуктайт.
NeRF туура киргизүүлөрдү алгандан кийин бир нече миллисекундда 3D көрүнүшүн жарата алгандыктан, бул бүгүнкү күнгө чейин эң тез NeRF ыкмасы.
NeRF ушунчалык тез иштейт, ошондуктан ал иш жүзүндө бир заматта болот, ошондуктан анын аты. Көп бурчтуу торлор сыяктуу стандарттуу 3D сүрөттөлүштөр вектордук сүрөттөр болсо, NeRFs битмап сүрөттөрү: алар объекттен же көрүнүштүн ичинен жарыктын чыгышын жыш тартып алышат.
Instant NeRF 3D үчүн өтө маанилүү, анткени санариптик камералар жана JPEG кысуу 2D сүрөткө тартууда болуп, 3D тартуунун жана бөлүшүүнүн ылдамдыгын, ыңгайлуулугун жана жеткиликтүүлүгүн кескин жакшыртат.
Instant NeRF виртуалдык дүйнө үчүн аватарларды же бүтүндөй пейзаждарды чыгаруу үчүн колдонулушу мүмкүн.
Polaroid сүрөттөрүнүн алгачкы күндөрүнө таазим кылуу үчүн, NVIDIA изилдөө тобу Энди Уорхолдун белгилүү кадрын заматта сүрөткө тартып, аны Instant NeRF аркылуу 3D көрүнүшүнө айландырышты.
Бул чын эле 1,000 эсе ылдамбы?
3D көрүнүшүн NeRFге чейин түзүү анын татаалдыгына жана сапатына жараша бир нече саатка созулушу мүмкүн.
AI процессти бир топ ылдамдаткан, бирок туура окутуу үчүн дагы эле бир нече саат талап кылынышы мүмкүн. NVIDIA пионер болуп саналган, көп резолюциялуу хэш коддоо ыкмасын колдонуу менен Instant NeRF көрсөтүү убактысын 1,000 эсеге кыскартат.
Моделди түзүү үчүн Tiny CUDA Neural Networks пакети жана NVIDIA CUDA Toolkit колдонулган. NVIDIA айтымында, бул жеңил нейрон тармагы болгондуктан, аны NVIDIA Tensor Core карталары эң ылдам ылдамдыкта иштеген бир NVIDIA GPUде үйрөтүп, колдонсо болот.
Use Case
Өзү башкаруучу унаалар бул технологиянын эң маанилүү колдонмолорунун бири болуп саналат. Бул унаалар негизинен айлана-чөйрөнү элестетүү менен иштешет.
Бирок, бүгүнкү технологиянын көйгөйү - бул олдоксон жана бир аз көп убакытты талап кылат.
Бирок, Instant NeRF колдонуп, өзүн-өзү айдаган унаага реалдуу дүйнөдөгү объектилердин өлчөмүн жана формасын болжолдоо/түшүнүү үчүн талап кылынган нерсе – бул кыймылсыз сүрөттөрдү тартып, аларды 3D форматына айлантып, андан кийин ал маалыматты колдонуу.
Metaverse же дагы башка колдонуу болушу мүмкүн Видео оюн өндүрүш тармактары.
Instant NeRF сизге аватарларды же бүтүндөй виртуалдык дүйнөлөрдү тез курууга мүмкүндүк бергендиктен, бул чындык.
Дээрлик аз 3D мүнөздөмөсү моделдөө талап кылынмак, анткени сизге нейрондук тармакты иштетүү керек жана ал сиз үчүн каарманды жаратат.
Мындан тышкары, NVIDIA дагы эле бул технологияны машинаны үйрөнүүгө байланыштуу кошумча колдонмолор үчүн колдонууну изилдеп жатат.
Мисалы, ал тилдерди мурункуга караганда так которуу жана жалпы максатты жакшыртуу үчүн колдонулушу мүмкүн терең билим алуу алгоритмдер азыр тапшырмалардын кеңири спектри үчүн колдонулат.
жыйынтыктоо
Көптөгөн графикалык маселелер көйгөйдүн жылмакай же сейректигин колдонуу үчүн тапшырмага тиешелүү маалымат структураларына таянат.
NVIDIAнын көп резолюциялуу хэш коддоосу сунуш кылган окууга негизделген практикалык альтернатива жумуштун жүгүнө карабастан, автоматтык түрдө тиешелүү деталдарга топтолот.
Ичиндеги нерселер кандайча иштээри жөнүндө көбүрөөк билүү үчүн, расмий текшериңиз GitHub жай.
Таштап Жооп