පටුන[සඟවන්න][පෙන්වන්න]
හේයි, ඔබ දන්නවාද, NVIDIA හි Instant NeRF ස්නායු විදැහුම්කරණ ආකෘතියෙන් තත්පර කිහිපයකින් 3D දත්ත ආදාන වලින් ත්රිමාණ දර්ශනයක් නිර්මාණය කළ හැකි බවත්, එම දර්ශනයේ ඡායාරූප මිලි තත්පර වලින් ලබා ගත හැකි බවත්?
ප්රතිලෝම විදැහුම්කරණය ලෙස හැඳින්වෙන තාක්ෂණය භාවිතයෙන් නිශ්චල ඡායාරූප එකතුවක් ඉක්මනින් ඩිජිටල් ත්රිමාණ පරිසරයක් බවට පරිවර්තනය කළ හැකිය, එමඟින් සත්ය ලෝකයේ ආලෝකය ක්රියා කරන ආකාරය අනුකරණය කිරීමට AI සක්රීය කරයි.
NVIDIA හි පර්යේෂණ කණ්ඩායම විසින් නිර්මාණය කරන ලද තාක්ෂණයට ස්තූතිවන්ත වන පරිදි අතිශය වේගවත් ස්නායුක ජාල පුහුණුව සහ ඉක්මන් විදැහුම්කරණය ඒකාබද්ධ කළ හැකි එවැනි පළමු මාදිලිවලින් එකකි.
මෙම ලිපිය NVIDIA හි NeRF එහි වේගය, භාවිත අවස්ථා සහ අනෙකුත් සාධක ඇතුළුව ගැඹුරින් විමසා බලනු ඇත.
ඉතින්, කුමක්ද NeRF?
NeRF යනු ස්නායු විකිරණ ක්ෂේත්ර සඳහා වන අතර, එය කුඩා ආදාන දර්ශන සංඛ්යාවක් භාවිතා කරමින් යටින් පවතින අඛණ්ඩ පරිමාමිතික දර්ශන ශ්රිතයක් පිරිපහදු කිරීමෙන් සංකීර්ණ දර්ශනවල අද්විතීය දසුන් නිර්මාණය කිරීමේ ක්රමයකි.
2D ඡායාරූප එකතුවක් ආදානය ලෙස ලබා දුන් විට, NVIDIA හි NeRFs භාවිතා කරයි ස්නායු ජාල 3D දර්ශන නියෝජනය කිරීමට සහ උත්පාදනය කිරීමට.
ප්රදේශය වටා විවිධ කෝණවලින් ඡායාරූප කුඩා ප්රමාණයක් අවශ්ය වේ ස්නායු ජාලය, එක් එක් රාමුව තුළ කැමරාවේ පිහිටීම සමඟ එක්ව.
මෙම පින්තූර ඉක්මනින් ගන්නා තරමට වඩා හොඳය, විශේෂයෙන් චලනය වන නළුවන් හෝ වස්තූන් සහිත දර්ශන වලදී.
3D පින්තූර ග්රහණය කර ගැනීමේ ක්රියාවලියේදී ඕනෑවට වඩා චලිතයක් සිදුවුවහොත් AI-උත්පාදිත ත්රිමාණ දර්ශනය මකා දමනු ලැබේ.
ත්රිමාණ පරිසරයේ ඕනෑම ස්ථානයක සිට සෑම දිශාවකටම විහිදෙන ආලෝකයේ වර්ණය පුරෝකථනය කිරීමෙන්, NeRF සම්පූර්ණ රූපය ගොඩනැගීම සඳහා මෙම දත්ත මගින් ඉතිරිව ඇති හිඩැස් ඵලදායී ලෙස පුරවයි.
NeRF හට නිසි යෙදවුම් ලැබීමෙන් පසු මිලි තත්පර කිහිපයකින් ත්රිමාණ දර්ශනයක් ජනනය කළ හැකි බැවින්, එය අද දක්වා ඇති වේගවත්ම NeRF ප්රවේශයයි.
NeRF ඉතා ඉක්මනින් ක්රියා කරන අතර එය ප්රායෝගිකව ක්ෂණික වේ, එබැවින් එහි නම. බහුඅස්ර දැල් වැනි සම්මත ත්රිමාණ නිරූපණය දෛශික පින්තූර නම්, NeRF යනු බිට්මැප් රූප වේ: ඒවා වස්තුවකින් හෝ දර්ශනයක් ඇතුළත ආලෝකය විහිදෙන ආකාරය ඝන ලෙස ග්රහණය කරයි.
ක්ෂණික NeRF ත්රිමාණ කැමරා සහ JPEG සම්පීඩනය 3D ඡායාරූපකරණයට ඇති බැවින් ත්රිමාණ සඳහා අත්යවශ්ය වේ, ත්රිමාණ ග්රහණය සහ බෙදාගැනීමේ වේගය, පහසුව සහ ප්රවේශය නාටකාකාර ලෙස වැඩි කරයි.
අතථ්ය ලෝක සඳහා avatars හෝ සම්පූර්ණ දර්ශන නිෂ්පාදනය කිරීමට Instant NeRF භාවිතා කළ හැක.
Polaroid ඡායාරූපවල මුල් යුගයට උපහාර දැක්වීම සඳහා, NVIDIA පර්යේෂණ කණ්ඩායම විසින් ක්ෂණික ඡායාරූපයක් ගන්නා Andy Warhol ගේ සුප්රසිද්ධ ඡායාරූපයක් ප්රතිනිර්මාණය කර Instant NeRF භාවිතයෙන් එය ත්රිමාණ දර්ශනයක් බවට පරිවර්තනය කරන ලදී.
එය ඇත්තටම 1,000 ගුණයක් වේගවත්ද?
ත්රිමාණ දර්ශනයක් එහි සංකීර්ණත්වය සහ ගුණත්වය මත පදනම්ව, NeRF ට පෙර නිර්මාණය කිරීමට පැය ගණනක් ගත විය හැකිය.
AI ක්රියාවලිය බෙහෙවින් වේගවත් කළ නමුත් නිසි ලෙස පුහුණු වීමට පැය කිහිපයක් ගත විය හැකිය. NVIDIA විසින් පුරෝගාමී වූ බහු-විභේදන හැෂ් කේතනය නම් ක්රමයක් භාවිතා කරමින්, Instant NeRF විදැහුම් කාලය 1,000 ගුණයකින් අඩු කරයි.
ආකෘතිය නිර්මාණය කිරීම සඳහා Tiny CUDA Neural Networks පැකේජය සහ NVIDIA CUDA මෙවලම් කට්ටලය භාවිතා කරන ලදී. NVIDIA ට අනුව, එය සැහැල්ලු ස්නායු ජාලයක් වන බැවින්, එය එක් NVIDIA GPU එකක පුහුණු කර භාවිතා කළ හැක, NVIDIA Tensor Core කාඩ්පත් වේගවත්ම වේගයකින් ක්රියා කරයි.
භාවිතා කරන්න
මෙම තාක්ෂණයේ වඩාත්ම වැදගත් යෙදුම්වලින් එකක් වන්නේ ස්වයං-රිය පැදවීමේ මෝටර් රථයි. මෙම වාහන බොහෝ දුරට ක්රියාත්මක වන්නේ තමන් යන විට අවට පරිසරය මවාගෙනය.
කෙසේ වෙතත්, වර්තමාන තාක්ෂණයේ ගැටලුව වන්නේ එය අවුල් සහගත වීම සහ ටිකක් කල් ගත වීමයි.
කෙසේ වෙතත්, Instant NeRF භාවිතා කරමින්, සැබෑ ලෝකයේ වස්තූන්ගේ ප්රමාණය සහ හැඩය දළ වශයෙන්/අවබෝධ කර ගැනීමට ස්වයං-රිය පදවන මෝටර් රථයකට අවශ්ය වන්නේ නිශ්චල ඡායාරූප ග්රහණය කර ඒවා ත්රිමාණ බවට පත් කර පසුව එම තොරතුරු භාවිතා කිරීමයි.
තවමත් මෙටාවර්ස් හෝ වෙනත් භාවිතයක් තිබිය හැකිය වීඩියෝ ක්රීඩා නිෂ්පාදන කර්මාන්ත.
Instant NeRF මඟින් ඔබට අවතාර හෝ සම්පූර්ණ අතථ්ය ලෝකයන් පවා ඉක්මනින් තැනීමට ඉඩ සලසයි, මෙය සත්යයකි.
පාහේ කුඩා ත්රිමාණ අක්ෂරය ඔබට අවශ්ය වන්නේ ස්නායු ජාලය ක්රියාත්මක කිරීම පමණක් වන නිසාත්, එය ඔබ වෙනුවෙන් චරිතයක් ජනනය කරන නිසාත් ආකෘති නිර්මාණය අවශ්ය වේ.
මීට අමතරව, අතිරේක යන්ත්ර ඉගෙනුම් ආශ්රිත යෙදුම් සඳහා NVIDIA තවමත් මෙම තාක්ෂණය යෙදීම ගවේෂණය කරයි.
උදාහරණයක් ලෙස, පෙරට වඩා නිවැරදිව භාෂා පරිවර්තනය කිරීමට සහ පොදු අරමුණ වැඩිදියුණු කිරීමට එය භාවිතා කළ හැක ගැඹුරු ඉගෙනුම පුළුල් පරාසයක කාර්යයන් සඳහා ඇල්ගොරිතම දැන් භාවිතා වේ.
නිගමනය
බොහෝ ග්රැෆික් ගැටළු ගැටලුවේ සුමට බව හෝ විරල බව භාවිතා කිරීම සඳහා කාර්ය-විශේෂිත දත්ත ව්යුහයන් මත රඳා පවතී.
NVIDIA හි බහු-විභේදන හෑෂ් කේතනය මඟින් පිරිනමනු ලබන ප්රායෝගික ඉගෙනුම් පාදක විකල්පය, කාර්ය භාරය කුමක් වුවත්, අදාළ විස්තර මත ස්වයංක්රීයව අවධානය යොමු කරයි.
ඇතුළත දේවල් ක්රියාත්මක වන ආකාරය ගැන වැඩිදුර දැන ගැනීමට, නිලධාරියා පරීක්ෂා කරන්න GitHub නිධිය.
ඔබමයි