اگرچه دانشمندان با موفقیت از شبکههای عصبی برای تبدیل صحنههای سه بعدی تخیلی به تصاویر استفاده کردهاند، این روشهای یادگیری ماشینی آنقدر سریع نیستند که برای بسیاری از کاربردهای دنیای واقعی مناسب باشند. این روش جدید که توسط محققان موسسه فناوری ماساچوست و سایر سازمانها نشان داده شده است، میتواند صحنههای سهبعدی از تصاویر را حدود 15 برابر سریعتر از برخی مدلهای دیگر نمایش دهد. در مورد این گزارش ها وب سایت سازمان
متخصصان تصریح کردند که در بسیاری از حوزه های زندگی، به عنوان مثال، جراحی دقیق یا کشاورزی، تجسم سه بعدی اشیا مورد نیاز است. به عنوان یک قاعده، شبکه های عصبی یک تصویر دو بعدی دریافت می کنند و بر اساس آن یک شی سه بعدی ایجاد می کنند. دانشمندان MIT گفتند که روش جدید آنها اجازه می دهد تا این فرآیند را در مقایسه با مدل های موجود، حدود 3 هزار برابر سرعت بخشد.
نویسندگان توسعه یک شبکه میدان نوری (LFN) ایجاد کردند که بر اساس آن هوش مصنوعی یاد گرفت که اشیاء سه بعدی را پس از یک مشاهده واحد و با نرخ فریم در زمان واقعی بازتولید کند. این روش یک صحنه را به عنوان یک میدان نوری 360 درجه و تابعی نشان می دهد که تمام پرتوهای نور را در فضای سه بعدی که از هر نقطه و در همه جهات عبور می کنند، توصیف می کند. میدان نوری در یک شبکه عصبی رمزگذاری شده است که رندر صحنه سه بعدی را تسریع می کند.
متخصصان این مدل را در چندین صحنه آزمایش کردند. آنها دریافتند که با LFN، شبکه عصبی قادر است اشیاء سه بعدی را با سرعت بیش از 500 فریم در ثانیه تولید کند که تقریباً سه مرتبه بزرگتر از روش های دیگر است. دانشمندان همچنین تصریح کردند که شبکه جدید میدان نوری منطقی تر از منابعی استفاده می کند که به حدود 1,6 مگابایت حافظه نیاز دارد.
رندر عصبی رندر واقعی و ویرایش تصویر را تنها بر اساس مجموعه کمی از تصاویر ورودی فعال کرده است. متأسفانه، همه روش های موجود از نظر محاسباتی بسیار گران هستند، که مانع استفاده از آنها در برنامه هایی می شود که نیاز به پردازش بلادرنگ دارند، مانند ویدئو کنفرانس. این پروژه گام بزرگی را به سوی نسل جدیدی از الگوریتمهای رندر عصبی از لحاظ محاسباتی کارآمد و از نظر ریاضی ظریف برمیدارد. گوردون وتسشتاین، دانشیار شرکت کننده در این تحقیق، گفت: من انتظار دارم که کاربرد گسترده ای در گرافیک کامپیوتری، بینایی کامپیوتر و سایر زمینه ها پیدا کند. به گفته وی، فناوری جدید در گرافیک کامپیوتری و سایر زمینه ها کاربرد پیدا خواهد کرد.
به هر حال، در پایان ماه نوامبر، در مورد برنامه Ricult شناخته شد که به کشاورزان کمک می کند برداشت خود را افزایش دهند. این سرویس تغییرات آب و هوا را تجزیه و تحلیل می کند تا به کشاورزان در تایلند و پاکستان کمک کند تا بهترین زمان برای کاشت محصولات را انتخاب کنند.
همچنین بخوانید: