과학자들이 신경망을 사용하여 상상한 15D 장면을 이미지로 렌더링하는 데 성공했지만, 이러한 기계 학습 기술은 많은 실제 응용 프로그램에 적합할 만큼 충분히 빠르지 않습니다. 매사추세츠 공과대학(Massachusetts Institute of Technology) 및 기타 조직의 연구원들이 시연한 이 새로운 방법은 다른 모델보다 약 000배 더 빠르게 이미지에서 차원 장면을 렌더링할 수 있습니다. 이것에 관해서 보고서 조직의 웹사이트.
전문가들은 예를 들어 정밀 수술이나 농업과 같은 삶의 많은 영역에서 물체의 3차원 시각화가 필요하다고 설명했습니다. 일반적으로 신경망은 15차원 이미지를 수신하고 이를 기반으로 차원 객체를 생성합니다. MIT 과학자들은 그들의 새로운 방법이 기존 모델에 비해 이 프로세스의 속도를 약 배까지 높일 수 있다고 말했습니다.
개발의 저자는 인공 지능이 단일 관찰 후 실시간으로 프레임 속도로 360차원 물체를 재생하는 것을 학습한 기반으로 라이트 필드 네트워크(LFN)를 만들었습니다. 이 방법은 장면을 3° 라이트 필드로 표현하며 각 지점과 모든 방향을 통과하는 차원 공간의 모든 광선을 설명하는 기능입니다. 라이트 필드는 D 장면의 렌더링을 가속화하는 신경망으로 인코딩됩니다.
전문가들은 여러 장면에서 모델을 테스트했습니다. 그들은 LFN을 사용하여 신경망이 초당 500프레임 이상의 속도로 1,6D 개체를 생성할 수 있음을 발견했습니다. 이는 다른 방법보다 약 배 빠른 속도입니다. 과학자들은 또한 라이트 필드의 새로운 네트워크가 약 MB의 메모리가 필요한 리소스를 보다 합리적으로 사용한다는 점을 분명히 했습니다.
“신경 렌더링은 희소한 입력 이미지 세트를 기반으로 한 사실적 렌더링 및 이미지 편집을 가능하게 했습니다. 불행히도 기존의 모든 방법은 계산적 관점에서 매우 비싸기 때문에 화상 회의와 같이 실시간 처리가 필요한 응용 프로그램에서 사용할 수 없습니다. 이 프로젝트는 계산적으로 효율적이고 수학적으로 우아한 신경 렌더링 알고리즘의 새로운 세대를 향한 큰 발걸음을 내디뎠습니다. 연구 참여자인 Gordon Wetzstein 부교수는 "컴퓨터 그래픽, 컴퓨터 비전 및 기타 분야에서 폭넓게 응용될 것으로 기대한다"고 말했다. 그에 따르면 새로운 기술은 컴퓨터 그래픽 및 기타 분야에서 응용될 것입니다.
그건 그렇고, 월 말에 농부들이 수확량을 늘리는 데 도움이되는 Ricult 프로그램에 대해 알려졌습니다. 이 서비스는 날씨 변화를 분석하여 태국과 파키스탄의 농부들이 작물을 심기에 가장 좋은 시기를 선택할 수 있도록 도와줍니다.
또한 읽기: