Iako su znanstvenici uspješno koristili neuronske mreže za pretvaranje zamišljenih 15D scena u slike, ove tehnike mašinskog učenja nisu dovoljno brze da bi bile prikladne za mnoge primjene u stvarnom svijetu. Nova metoda, koju su demonstrirali istraživači sa Massachusetts Institute of Technology i drugih organizacija, može prikazati trodimenzionalne scene sa slika oko 000 puta brže od nekih drugih modela. O ovom izvještaji web stranicu organizacije.
Specijalisti su pojasnili da je u mnogim sferama života, na primjer, preciznoj hirurgiji ili poljoprivredi, potrebna trodimenzionalna vizualizacija objekata. Po pravilu, neuronske mreže primaju dvodimenzionalnu sliku i na osnovu nje kreiraju 3D objekt. Naučnici sa MIT-a rekli su da njihova nova metoda omogućava da se ovaj proces ubrza za oko 15 hiljada puta, u poređenju sa postojećim modelima.
Autori razvoja stvorili su mrežu svjetlosnog polja (LFN), na osnovu koje je umjetna inteligencija naučila reproducirati trodimenzionalne objekte nakon jednog promatranja i brzinom kadrova u realnom vremenu. Ova metoda predstavlja scenu kao svjetlosno polje od 360° i funkciju koja opisuje sve svjetlosne zrake u trodimenzionalnom prostoru koji prolaze kroz svaku tačku iu svim smjerovima. Svjetlosno polje je kodirano u neuronsku mrežu, što ubrzava renderiranje 3D scene.
Stručnjaci su testirali model na nekoliko scena. Otkrili su da je pomoću LFN-a neuronska mreža bila u stanju da generiše 500D objekte brzinom od preko 1,6 kadrova u sekundi, oko tri reda veličine brže od drugih metoda. Naučnici su takođe pojasnili da nova mreža svetlosnog polja racionalnije koristi resurse koji zahtevaju oko XNUMX MB memorije.
“Neuralno renderiranje je omogućilo fotorealistično renderiranje i uređivanje slika na osnovu samo rijetkog skupa ulaznih slika. Nažalost, sve postojeće metode su veoma skupe sa računske tačke gledišta, što onemogućava njihovu upotrebu u aplikacijama koje zahtevaju obradu u realnom vremenu, kao što su video konferencije. Ovaj projekat čini veliki korak ka novoj generaciji računarski efikasnih i matematički elegantnih algoritama neuronskog renderovanja. Očekujem da će naći široku primenu u kompjuterskoj grafici, kompjuterskom vidu i drugim oblastima“, rekao je učesnik istraživanja, vanredni profesor Gordon Wetzstein. Prema njegovim rečima, nova tehnologija naći će primenu u kompjuterskoj grafici i drugim oblastima.
Inače, krajem novembra se saznalo za program Rikult, koji poljoprivrednicima pomaže da povećaju žetvu. Usluga analizira vremenske promjene kako bi pomogla poljoprivrednicima na Tajlandu i Pakistanu da odaberu najbolje vrijeme za sadnju usjeva.
Pročitajte također: