Iako su znanstvenici uspješno koristili neuronske mreže za pretvaranje zamišljenih 15D scena u slike, ove tehnike strojnog učenja nisu dovoljno brze da bi bile prikladne za mnoge aplikacije u stvarnom svijetu. Nova metoda, koju su demonstrirali istraživači s Massachusetts Institute of Technology i drugih organizacija, može prikazati trodimenzionalne scene iz slika oko 000 puta brže od nekih drugih modela. O tome izvještaji web stranici organizacije.
Stručnjaci su pojasnili da je u mnogim sferama života, na primjer, u preciznoj kirurgiji ili poljoprivredi, potrebna trodimenzionalna vizualizacija objekata. U pravilu, neuronske mreže primaju dvodimenzionalnu sliku i na temelju nje stvaraju 3D objekt. Znanstvenici MIT-a rekli su da njihova nova metoda omogućuje ubrzanje ovog procesa za oko 15 tisuća puta, u usporedbi s postojećim modelima.
Autori razvoja stvorili su mrežu svjetlosnog polja (LFN), na temelju koje je umjetna inteligencija naučila reproducirati trodimenzionalne objekte nakon jednog promatranja i s brzinom sličica u stvarnom vremenu. Ova metoda predstavlja scenu kao svjetlosno polje od 360° i funkciju koja opisuje sve svjetlosne zrake u trodimenzionalnom prostoru koje prolaze kroz svaku točku iu svim smjerovima. Svjetlosno polje je kodirano u neuronsku mrežu, koja ubrzava renderiranje 3D scene.
Stručnjaci su testirali model na nekoliko scena. Otkrili su da je s LFN-om neuronska mreža uspjela generirati 500D objekte brzinom od preko 1,6 sličica u sekundi, oko tri reda veličine brže od drugih metoda. Znanstvenici su također pojasnili da nova mreža svjetlosnog polja racionalnije koristi resurse koji zahtijevaju oko XNUMX MB memorije.
“Neuralno renderiranje omogućilo je fotorealistično renderiranje i uređivanje slika temeljeno samo na rijetkom skupu ulaznih slika. Nažalost, sve postojeće metode su vrlo skupe s računalne točke gledišta, što onemogućuje njihovu upotrebu u aplikacijama koje zahtijevaju obradu u stvarnom vremenu, kao što su video konferencije. Ovaj projekt poduzima veliki korak prema novoj generaciji računalno učinkovitih i matematički elegantnih algoritama neuronskog iscrtavanja. Očekujem da će pronaći široku primjenu u računalnoj grafici, računalnom vidu i drugim poljima", rekao je sudionik istraživanja, izvanredni profesor Gordon Wetzstein. Prema njegovim riječima, nova tehnologija naći će primjenu u računalnoj grafici i drugim područjima.
Usput, krajem studenog postalo je poznato o programu Ricult koji pomaže poljoprivrednicima povećati žetvu. Usluga analizira vremenske promjene kako bi pomogla poljoprivrednicima u Tajlandu i Pakistanu odabrati najbolje vrijeme za sadnju usjeva.
Pročitajte također: