Bagama't matagumpay na nagamit ng mga siyentipiko ang mga neural network upang i-render ang mga naisip na 15D na eksena sa mga larawan, ang mga diskarte sa machine learning na ito ay hindi sapat na mabilis upang gawing angkop ang mga ito para sa maraming mga real-world na application. Ang bagong pamamaraan, na ipinakita ng mga mananaliksik sa Massachusetts Institute of Technology at iba pang mga organisasyon, ay maaaring mag-render ng mga three-dimensional na eksena mula sa mga larawan nang humigit-kumulang 000 beses na mas mabilis kaysa sa ilang iba pang mga modelo. Ukol dito mga ulat website ng organisasyon.
Nilinaw ng mga espesyalista na sa maraming spheres ng buhay, halimbawa, precision surgery o agrikultura, kailangan ang three-dimensional visualization ng mga bagay. Bilang isang patakaran, ang mga neural network ay tumatanggap ng isang dalawang-dimensional na imahe at lumikha ng isang 3D na bagay batay dito. Sinabi ng mga siyentipiko ng MIT na ang kanilang bagong pamamaraan ay nagbibigay-daan upang mapabilis ang prosesong ito ng halos 15 libong beses, kumpara sa mga umiiral na modelo.
Ang mga may-akda ng pag-unlad ay lumikha ng isang light field network (LFN), batay sa kung saan natutunan ng artificial intelligence na magparami ng mga three-dimensional na bagay pagkatapos ng isang pagmamasid at may frame rate sa real time. Ang pamamaraang ito ay kumakatawan sa isang eksena bilang isang 360° light field at isang function na naglalarawan sa lahat ng light ray sa tatlong-dimensional na espasyo na dumadaan sa bawat punto at sa lahat ng direksyon. Ang light field ay naka-encode sa isang neural network, na nagpapabilis sa pag-render ng 3D na eksena.
Sinubukan ng mga espesyalista ang modelo sa ilang mga eksena. Natagpuan nila na sa LFN, ang neural network ay nakabuo ng mga 500D na bagay sa higit sa 1,6 mga frame bawat segundo, mga tatlong order ng magnitude na mas mabilis kaysa sa iba pang mga pamamaraan. Nilinaw din ng mga siyentipiko na ang bagong network ng light field ay mas makatwiran na gumagamit ng mga mapagkukunan na nangangailangan ng humigit-kumulang XNUMX MB ng memorya.
“Na-enable ng neural rendering ang photorealistic na pag-render at pag-edit ng imahe batay lamang sa kaunting set ng mga input na larawan. Sa kasamaang palad, ang lahat ng umiiral na mga pamamaraan ay napakamahal mula sa isang computational point of view, na pumipigil sa kanilang paggamit sa mga application na nangangailangan ng real-time na pagproseso, tulad ng video conferencing. Ang proyektong ito ay gumagawa ng isang malaking hakbang tungo sa isang bagong henerasyon ng mga computationally efficient at mathematically eleganteng neural rendering algorithm. Inaasahan ko na makakahanap ito ng malawak na aplikasyon sa mga computer graphics, computer vision at iba pang larangan," sabi ng research participant associate professor Gordon Wetzstein. Ayon sa kanya, ang bagong teknolohiya ay makakahanap ng aplikasyon sa mga computer graphics at iba pang mga lugar.
Sa pamamagitan ng paraan, sa katapusan ng Nobyembre, ito ay naging kilala tungkol sa Ricult program, na tumutulong sa mga magsasaka na madagdagan ang kanilang ani. Sinusuri ng serbisyo ang mga pagbabago sa panahon upang matulungan ang mga magsasaka sa Thailand at Pakistan na piliin ang pinakamahusay na oras para magtanim ng mga pananim.
Basahin din: