اې، ایا تاسو پوهیږئ، چې د NVIDIA د فوري NeRF عصبي رینډرینګ ماډل سره په ثانیو کې د 3D ډیټا ان پټونو څخه 2D صحنه رامینځته کیدی شي ، او د دې صحنې عکسونه په ملی ثانیو کې وړاندې کیدی شي؟
دا ممکنه ده چې په چټکۍ سره د سټیل عکسونو ټولګه په ډیجیټل 3D چاپیریال کې د انورس رینډرینګ په نوم پیژندل شوي تخنیک په کارولو سره بدل کړئ ، کوم چې AI ته وړتیا ورکوي چې په ریښتیني نړۍ کې د ر lightا څنګه کار کوي تقلید وکړي.
دا د خپل ډول یو له لومړنیو ماډلونو څخه دی چې کولی شي د الټرا ګړندۍ عصبي شبکې روزنه او ګړندي رینډینګ سره یوځای کړي ، د هغه تخنیک څخه مننه چې د NVIDIA څیړنیز ټیم رامینځته کړی چې عملیات په ناقانونه توګه ګړندي بشپړوي - نږدې سمدستي.
دا مقاله به د NVIDIA NeRF ژوره معاینه کړي ، پشمول د دې سرعت ، د کارولو قضیې ، او نور عوامل.
نو ، څه شی دی NERF?
NeRF د عصبي وړانګو ساحو لپاره ولاړ دی ، کوم چې د لږ شمیر ان پټ لیدونو په کارولو سره د لاندې دوامداره حجمیتریک صحنې فنکشن اصلاح کولو سره د پیچلو صحنو ځانګړي لیدونو رامینځته کولو تخنیک ته اشاره کوي.
کله چې د ان پټ په توګه د 2D عکسونو ټولګه ورکړل شي، د NVIDIA NeRFs کار کوي نوریال شبکې د 3D صحنو نمایش او تولید لپاره.
د ساحې په شاوخوا کې د مختلفو زاویو څخه لږ شمیر عکسونو ته اړتیا ده نوریال شبکهپه هر چوکاټ کې د کیمرې موقعیت سره یوځای.
هرڅومره ژر چې دا عکسونه واخیستل شي ، ښه به وي ، په ځانګړي توګه د حرکت کونکو یا شیانو سره په صحنو کې.
د AI لخوا رامینځته شوی 3D صحنه به د 2D عکس اخیستنې پروسې په جریان کې خورا ډیر حرکت وي که چیرې د XNUMXD عکس اخیستلو پروسیجر شتون ولري نو داغ به وغورځول شي.
د 3D چاپیریال کې د هر ځای څخه په هر لوري کې د رڼا د رنګ اټکل کولو سره، NeRF په مؤثره توګه د دې ډاټا لخوا پاتې شوي تشې ډکوي ترڅو ټول انځور جوړ کړي.
څنګه چې NeRF کولی شي د مناسب معلوماتو ترلاسه کولو وروسته په څو ملی ثانیو کې 3D صحنه رامینځته کړي ، دا د نیټې ترټولو ګړندۍ NRF طریقه ده.
NeRF دومره ګړندی کار کوي چې دا په حقیقت کې سمدستي دی ، له همدې امله یې نوم دی. که چیرې معیاري 3D نمایشونه لکه پولیګونل میشونه د ویکتور عکسونه وي ، نو NeRFs د بټ میپ عکسونه دي: دوی په کثافت سره د څیز یا د یوې صحنې دننه د ر lightا خپریدو لاره نیسي.
فوري NeRF د 3D لپاره اړین دی ځکه چې ډیجیټل کیمرې او JPEG کمپریشن د 2D عکس اخیستنې لپاره دی، په ډراماتیک ډول د 3D نیول او شریکولو سرعت، اسانتیا، او لاسرسي ته وده ورکوي.
فوري NeRF د مجازی نړۍ لپاره د اوتارونو یا حتی بشپړ منظرو تولید لپاره کارول کیدی شي.
د پولرایډ عکسونو لومړیو ورځو ته د درناوي لپاره ، د NVIDIA څیړنې ټیم د انډي وار هول مشهور شاټ یو فوري عکس اخیستی او د فوري NeRF په کارولو سره یې په 3D صحنه کې بدل کړ.
ایا دا واقعیا 1,000 ځله ګړندی دی؟
یو 3D صحنه کولی شي د NRF څخه دمخه رامینځته کولو لپاره ساعتونه وخت ونیسي ، د دې پیچلتیا او کیفیت پورې اړه لري.
AI پروسه خورا ګړندۍ کړه ، مګر دا لاهم په سمه توګه روزل ساعتونه نیسي. د یو میتود کارول چې د ملټي ریزولوشن هش کوډ کولو په نوم یادیږي ، چې د NVIDIA لخوا پیل شوی ، فوري NeRF د 1,000 فکتور لخوا د رینډر وختونه کموي.
د کوچني CUDA عصبي شبکې کڅوړه او د NVIDIA CUDA Toolkit د ماډل رامینځته کولو لپاره کارول شوي. د NVIDIA په وینا ، ځکه چې دا د سپک وزن عصبي شبکه ده ، دا په یو واحد NVIDIA GPU کې روزل کیدی شي او کارول کیدی شي ، د NVIDIA ټینسر کور کارتونو سره په ګړندۍ سرعت کار کوي.
د قضیې کارول
د ځان چلولو موټرې د دې ټیکنالوژۍ یو له خورا مهم غوښتنلیکونو څخه دی. دا وسایط په لویه کچه د دوی د شاوخوا شاوخوا تصور کولو سره کار کوي کله چې دوی ځي.
په هرصورت، د نن ورځې ټیکنالوژۍ ستونزه دا ده چې دا ناپاک دی او یو څه ډیر وخت نیسي.
په هرصورت، د فوري NeRF په کارولو سره، ټول هغه څه چې د ځان چلولو موټر لپاره د حقیقي نړۍ د شیانو اندازې او شکل اټکل / پوهیدلو لپاره اړین دي د عکسونو اخیستل، په 3D کې بدلول، او بیا د دې معلوماتو کارول دي.
په میټاورس یا کې لاهم بله کارول کیدی شي ویډیو لوبه د تولید صنعتونه.
ځکه چې فوري NeRF تاسو ته اجازه درکوي اوتارونه یا حتی ټوله مجازی نړۍ ژر تر ژره رامینځته کړئ ، دا ریښتیا ده.
تقریبا لږ 3D کرکټر ماډلینګ به اړین وي ځکه چې تاسو ټول هغه څه ته اړتیا لرئ چې د عصبي شبکې چلول دي، او دا به ستاسو لپاره یو کرکټر رامینځته کړي.
سربیره پردې ، NVIDIA لاهم د ماشین زده کړې پورې اړوند اضافي غوښتنلیکونو لپاره د دې ټیکنالوژۍ پلي کول سپړنه کوي.
د مثال په توګه، دا کیدای شي د پخوا په پرتله د ژبو په سمه توګه وژباړل شي او عمومي هدف ته وده ورکړي ژوره زده کړه الګوریتمونه اوس د پراخو کارونو لپاره کارول کیږي.
پایله
د ګرافیک ډیری مسلې د دندې ځانګړي ډیټا جوړښتونو باندې تکیه کوي ترڅو د ستونزې نرموالي یا کموالي څخه کار واخلي.
د NVIDIA د څو ریزولوشن هش کوډ کولو لخوا وړاندیز شوي د عملي زده کړې پراساس بدیل په اوتومات ډول د کاري بار په پام کې نیولو پرته په اړوند توضیحاتو تمرکز کوي.
د دې په اړه د نورو معلوماتو لپاره چې شیان دننه کار کوي، رسمي وګورئ GitHub زېرمه
یو ځواب ورکړئ ووځي