Selv om forskere med hell har brukt nevrale nettverk til å gjengi forestilte 15D-scener til bilder, er disse maskinlæringsteknikkene ikke raske nok til å gjøre dem egnet for mange virkelige applikasjoner. Den nye metoden, demonstrert av forskere ved Massachusetts Institute of Technology og andre organisasjoner, kan gjengi tredimensjonale scener fra bilder omtrent 000 XNUMX ganger raskere enn noen andre modeller. Om dette informerer nettsiden til organisasjonen.
Spesialister avklarte at i mange livssfærer, for eksempel presisjonskirurgi eller landbruk, er det nødvendig med tredimensjonal visualisering av objekter. Som regel mottar nevrale nettverk et todimensjonalt bilde og lager et 3D-objekt basert på det. MIT-forskere sa at deres nye metode gjør det mulig å fremskynde denne prosessen med omtrent 15 tusen ganger sammenlignet med eksisterende modeller.
Forfatterne av utviklingen opprettet et lysfeltnettverk (LFN), på grunnlag av hvilket kunstig intelligens lærte å reprodusere tredimensjonale objekter etter en enkelt observasjon og med en bildefrekvens i sanntid. Denne metoden representerer en scene som et 360° lysfelt og en funksjon som beskriver alle lysstråler i tredimensjonalt rom som passerer gjennom hvert punkt og i alle retninger. Lysfeltet er kodet inn i et nevralt nettverk, som akselererer gjengivelsen av 3D-scenen.
Spesialister testet modellen på flere scener. De fant at med LFN var det nevrale nettverket i stand til å generere 500D-objekter med over 1,6 bilder per sekund, omtrent tre størrelsesordener raskere enn andre metoder. Forskerne klargjorde også at det nye nettverket av lysfeltet mer rasjonelt bruker ressurser som krever omtrent XNUMX MB minne.
"Neural gjengivelse har aktivert fotorealistisk gjengivelse og bilderedigering basert på kun et sparsomt sett med inndatabilder. Dessverre er alle eksisterende metoder svært kostbare fra et beregningsmessig synspunkt, noe som hindrer bruken av dem i applikasjoner som krever sanntidsbehandling, for eksempel videokonferanser. Dette prosjektet tar et stort skritt mot en ny generasjon av beregningseffektive og matematisk elegante nevrale gjengivelsesalgoritmer. Jeg forventer at den vil finne bred anvendelse innen datagrafikk, datasyn og andre felt," sa forskningsdeltaker førsteamanuensis Gordon Wetzstein. Ifølge ham vil den nye teknologien finne anvendelse innen datagrafikk og andre områder.
I slutten av november ble det forresten kjent om Ricult-programmet, som hjelper bøndene å øke avlingen. Tjenesten analyserer værendringer for å hjelpe bønder i Thailand og Pakistan å velge den beste tiden å plante avlinger.
Les også: