儘管科學家們已經成功地使用神經網絡將想像中的 15D 場景渲染成圖像，但這些機器學習技術的速度還不夠快，不足以使其適用於許多現實世界的應用。 由麻省理工學院和其他組織的研究人員展示的新方法可以比其他一些模型快約 000 倍的速度從圖像中渲染 D 場景。 對這個 報告 該組織的網站。
專家澄清說，在許多生活領域，例如精密手術或農業，都需要物體的三維可視化。 通常，神經網絡接收二維圖像並基於它創建 3D 對象。 麻省理工學院的科學家表示，與現有模型相比，他們的新方法可以將該過程加快約 15 倍。
該開發的作者創建了一個光場網絡（LFN），在此基礎上，人工智能學會了在單次觀察後以實時幀速率再現三維物體。 該方法將一個場景表示為一個 360° 的光場和一個函數，該函數描述了 3D 空間中通過每個點和所有方向的所有光線。 光場被編碼到神經網絡中，加速了 D 場景的渲染。
專家們在幾個場景中測試了這個模型。 他們發現，使用 LFN，神經網絡能夠以每秒超過 500 幀的速度生成 1,6D 對象，比其他方法快大約三個數量級。 科學家們還澄清說，新的光場網絡更合理地使用了大約需要 MB 內存的資源。
“神經渲染已啟用僅基於一組稀疏輸入圖像的逼真渲染和圖像編輯。 不幸的是，從計算的角度來看，所有現有方法都非常昂貴，這阻礙了它們在需要實時處理的應用程序中的使用，例如視頻會議。 該項目朝著新一代計算效率高且數學上優雅的神經渲染算法邁出了一大步。 我預計它將在計算機圖形學、計算機視覺和其他領域得到廣泛應用，”研究參與者副教授 Gordon Wetzstein 說。 據他介紹，新技術將在計算機圖形學和其他領域得到應用。
順便說一句，在 月底，人們知道了 Ricult 計劃，該計劃幫助農民增加收成。 該服務分析天氣變化，以幫助泰國和巴基斯坦的農民選擇種植作物的最佳時間。
另請閱讀：