尽管科学家们已经成功地使用神经网络将想象中的 15D 场景渲染成图像，但这些机器学习技术的速度还不够快，无法使其适用于许多现实世界的应用。 麻省理工学院和其他组织的研究人员展示了这种新方法，可以比其他一些模型快约 000 倍地从图像渲染三维场景。 对这个 告知 该组织的网站。
专家解释说，在生活的许多领域，例如精密手术或农业，都需要物体的三维可视化。 通常，神经网络接收二维图像并基于它创建 3D 对象。 麻省理工学院的科学家表示，与现有模型相比，他们的新方法可以将这一过程加快约 15 倍。
该开发的作者创建了一个光场网络（LFN），在此基础上，人工智能学会了在单次观察后以帧速率实时再现三维物体。 该方法将场景表示为 360° 光场和描述三维空间中所有光线穿过每个点和所有方向的函数。 光场被编码到神经网络中，从而加速 3D 场景的渲染。
专家在几个场景中测试了该模型。 他们发现，使用 LFN，神经网络能够以每秒超过 500 帧的速度生成 1,6D 对象，比其他方法快大约三个数量级。 科学家们还阐明，光场的新网络更合理地使用需要大约 MB 内存的资源。
“神经渲染仅基于一组稀疏的输入图像就可以实现逼真的渲染和图像编辑。 不幸的是，从计算的角度来看，所有现有方法都非常昂贵，这阻碍了它们在需要实时处理的应用程序（例如视频会议）中的使用。 该项目朝着新一代计算高效且数学优雅的神经渲染算法迈出了一大步。 我希望它能在计算机图形学、计算机视觉和其他领域得到广泛应用，”参与研究的副教授 Gordon Wetzstein 说。 据他介绍，这项新技术将在计算机图形学和其他领域得到应用。
顺便说一句，在 月底，Ricult 计划已广为人知，该计划帮助农民增加收成。 该服务分析天气变化，帮助泰国和巴基斯坦的农民选择种植作物的最佳时间。
另请阅读：