Selvom videnskabsmænd med succes har brugt neurale netværk til at gengive forestillede 15D-scener til billeder, er disse maskinlæringsteknikker ikke hurtige nok til at gøre dem egnede til mange applikationer i den virkelige verden. Den nye metode, demonstreret af forskere ved Massachusetts Institute of Technology og andre organisationer, kan gengive tredimensionelle scener fra billeder omkring 000 gange hurtigere end nogle andre modeller. Om dette rapporter organisationens hjemmeside.
Specialister præciserede, at der på mange områder af livet, for eksempel præcisionskirurgi eller landbrug, er behov for tredimensionel visualisering af objekter. Som regel modtager neurale netværk et todimensionelt billede og skaber et 3D-objekt baseret på det. MIT-forskere sagde, at deres nye metode gør det muligt at fremskynde denne proces med omkring 15 tusind gange sammenlignet med eksisterende modeller.
Forfatterne af udviklingen skabte et lysfeltnetværk (LFN), på grundlag af hvilket kunstig intelligens lærte at gengive tredimensionelle objekter efter en enkelt observation og med en billedhastighed i realtid. Denne metode repræsenterer en scene som et 360° lysfelt og en funktion, der beskriver alle lysstråler i tredimensionelt rum, der passerer gennem hvert punkt og i alle retninger. Lysfeltet er kodet ind i et neuralt netværk, som accelererer gengivelsen af 3D-scenen.
Specialister testede modellen på flere scener. De fandt ud af, at med LFN var det neurale netværk i stand til at generere 500D-objekter med over 1,6 billeder i sekundet, omkring tre størrelsesordener hurtigere end andre metoder. Forskerne præciserede også, at det nye netværk af lysfeltet mere rationelt bruger ressourcer, der kræver omkring XNUMX MB hukommelse.
"Neural gengivelse har aktiveret fotorealistisk gengivelse og billedredigering baseret på kun et sparsomt sæt inputbilleder. Desværre er alle eksisterende metoder meget dyre ud fra et beregningsmæssigt synspunkt, hvilket forhindrer deres brug i applikationer, der kræver realtidsbehandling, såsom videokonferencer. Dette projekt tager et stort skridt mod en ny generation af beregningseffektive og matematisk elegante neurale gengivelsesalgoritmer. Jeg forventer, at det vil finde bred anvendelse inden for computergrafik, computervision og andre områder," sagde forskningsdeltager lektor Gordon Wetzstein. Ifølge ham vil den nye teknologi finde anvendelse inden for computergrafik og andre områder.
I slutningen af november blev det i øvrigt kendt om Ricult-programmet, som hjælper landmænd med at øge deres høst. Tjenesten analyserer vejrændringer for at hjælpe landmænd i Thailand og Pakistan med at vælge det bedste tidspunkt at plante afgrøder på.
Læs også: