Иако су научници успешно користили неуронске мреже за претварање замишљених 15Д сцена у слике, ове технике машинског учења нису довољно брзе да би биле погодне за многе апликације у стварном свету. Нови метод, који су демонстрирали истраживачи са Технолошког института у Масачусетсу и других организација, може да прикаже тродимензионалне сцене са слика око 000 пута брже од неких других модела. О овоме извештаји сајт организације.
Специјалисти су појаснили да је у многим сферама живота, на пример, прецизној хирургији или пољопривреди, потребна тродимензионална визуализација објеката. По правилу, неуронске мреже добијају дводимензионалну слику и на основу ње креирају 3Д објекат. Научници са МИТ-а рекли су да њихова нова метода омогућава да се овај процес убрза за око 15 хиљада пута, у поређењу са постојећим моделима.
Аутори развоја створили су мрежу светлосног поља (ЛФН), на основу које је вештачка интелигенција научила да репродукује тродимензионалне објекте након једног посматрања и са брзином кадрова у реалном времену. Овај метод представља сцену као светлосно поље од 360° и функцију која описује све светлосне зраке у тродимензионалном простору који пролазе кроз сваку тачку иу свим правцима. Светлосно поље је кодирано у неуронску мрежу, што убрзава приказивање 3Д сцене.
Специјалисти су тестирали модел на неколико сцена. Открили су да је помоћу ЛФН-а неуронска мрежа била у стању да генерише 500Д објекте брзином од преко 1,6 кадрова у секунди, око три реда величине брже од других метода. Научници су такође појаснили да нова мрежа светлосног поља рационалније користи ресурсе за које је потребно око XNUMX МБ меморије.
„Неуронско приказивање је омогућило фотореалистично приказивање и уређивање слика засновано на само оскудном скупу улазних слика. Нажалост, све постојеће методе су веома скупе са рачунарске тачке гледишта, што онемогућава њихову употребу у апликацијама које захтевају обраду у реалном времену, као што су видео конференције. Овај пројекат прави велики корак ка новој генерацији рачунарски ефикасних и математички елегантних алгоритама за неурално приказивање. Очекујем да ће наћи широку примену у компјутерској графици, компјутерском виду и другим областима“, рекао је учесник истраживања, ванредни професор Гордон Ветзстеин. Према његовим речима, нова технологија ће наћи примену у компјутерској графици и другим областима.
Иначе, крајем новембра се сазнало за програм Рикулт који пољопривредницима помаже да повећају жетву. Услуга анализира временске промене како би помогла пољопривредницима на Тајланду и Пакистану да изаберу најбоље време за садњу усева.
Прочитајте такође: