Vaikka tutkijat ovat onnistuneesti käyttäneet hermoverkkoja kuviteltujen 15D-kohtausten tekemiseen kuviksi, nämä koneoppimistekniikat eivät ole tarpeeksi nopeita tehdäkseen niistä sopivia moniin tosielämän sovelluksiin. Massachusetts Institute of Technologyn ja muiden organisaatioiden tutkijoiden osoittama uusi menetelmä pystyy renderöimään kuvista kolmiulotteisia kohtauksia noin 000 XNUMX kertaa nopeammin kuin jotkut muut mallit. Tästä tiedottaa organisaation verkkosivuilla.
Asiantuntijat selvensivät, että monilla elämänaloilla, esimerkiksi tarkkuuskirurgiassa tai maataloudessa, tarvitaan esineiden kolmiulotteista visualisointia. Pääsääntöisesti hermoverkot vastaanottavat kaksiulotteisen kuvan ja luovat sen perusteella 3D-objektin. MIT:n tutkijat sanoivat, että heidän uusi menetelmänsä mahdollistaa tämän prosessin nopeuttamisen noin 15 tuhatta kertaa olemassa oleviin malleihin verrattuna.
Kehityksen tekijät loivat valokenttäverkon (LFN), jonka pohjalta tekoäly oppi toistamaan kolmiulotteisia esineitä yhden havainnon jälkeen ja kuvanopeudella reaaliajassa. Tämä menetelmä edustaa kohtausta 360° valokenttänä ja funktiona, joka kuvaa kaikki valonsäteet kolmiulotteisessa avaruudessa, jotka kulkevat kunkin pisteen läpi ja kaikkiin suuntiin. Valokenttä on koodattu hermoverkkoon, mikä nopeuttaa 3D-näkymän renderöimistä.
Asiantuntijat testasivat mallia useissa kohtauksissa. He havaitsivat, että LFN:n avulla hermoverkko pystyi luomaan 500D-objekteja yli 1,6 kehyksen sekunnissa, noin kolme suuruusluokkaa nopeammin kuin muut menetelmät. Tiedemiehet myös selvensivät, että valokentän uusi verkko käyttää järkevämmin resursseja, jotka vaativat noin XNUMX megatavua muistia.
"Neuraalinen renderöinti on mahdollistanut fotorealistisen renderöinnin ja kuvien muokkauksen, joka perustuu vain harvaan syötettyjen kuvien joukkoon. Valitettavasti kaikki olemassa olevat menetelmät ovat laskennallisesti erittäin kalliita, mikä estää niiden käytön reaaliaikaista käsittelyä vaativissa sovelluksissa, kuten videoneuvotteluissa. Tämä projekti ottaa suuren askeleen kohti uuden sukupolven laskennallisesti tehokkaita ja matemaattisesti tyylikkäitä hermosolujen renderöintialgoritmeja. Odotan, että se löytää laajan sovelluksen tietokonegrafiikassa, tietokonenäössä ja muilla aloilla", sanoi tutkimukseen osallistuva apulaisprofessori Gordon Wetzstein. Hänen mukaansa uudelle teknologialle löytyy käyttöä tietokonegrafiikassa ja muilla aloilla.
Muuten, marraskuun lopussa tuli tunnetuksi Ricult-ohjelma, joka auttaa viljelijöitä kasvattamaan satoaan. Palvelu analysoi säämuutoksia auttaakseen Thaimaan ja Pakistanin maanviljelijöitä valitsemaan paras aika sadon kylvölle.
Lue myös: