विज़ुअल एआई गाइड

तंत्रिका चमक क्षेत्र

न्यूरल रेडियंस फील्ड्स (एनईआरएफ) कुछ सामान्य तस्वीरों से एक पूर्ण 3डी दृश्य का पुनर्निर्माण करता है, जिससे आप कैमरे को बिल्कुल नए दृष्टिकोण पर ले जा सकते हैं।

2 मिनट लालअंतिम बार अद्यतन किया गया

सिंहावलोकन

It reframed 3D capture as training a tiny neural network rather than building a mesh.

गहरा गोता

मिल्डेनहॉल और सहकर्मियों द्वारा 2020 में पेश किया गया, एनईआरएफ एक छोटे तंत्रिका नेटवर्क (एक मल्टीलेयर परसेप्ट्रॉन) के अंदर एक संपूर्ण दृश्य संग्रहीत करता है। एक 3डी बिंदु और देखने की दिशा को देखते हुए, नेटवर्क उस बिंदु का रंग और वह कितना अपारदर्शी है, आउटपुट देता है। एक पिक्सेल को रेंडर करने के लिए, एनईआरएफ दृश्य में एक किरण को शूट करता है, उसके साथ बिंदुओं का नमूना लेता है, नेटवर्क पर सवाल उठाता है, और वॉल्यूम रेंडरिंग का उपयोग करके परिणामों को मिश्रित करता है। क्योंकि यह पूरी प्रक्रिया अलग-अलग है, नेटवर्क को वास्तविक इनपुट फ़ोटो के साथ रेंडर किए गए पिक्सेल की तुलना करके और उनके मिलान होने तक समायोजित करके प्रशिक्षित किया जाता है। इसका लाभ अद्भुत फोटोयथार्थवाद है, जिसमें दृश्य-निर्भर प्रभाव जैसे प्रतिबिंब और चमकदार हाइलाइट्स शामिल हैं जो आपके चलते ही बदल जाते हैं। नकारात्मक पक्ष यह है कि प्रत्येक दृश्य को अपने स्वयं के प्रशिक्षण की आवश्यकता होती है, और मूल विधि प्रशिक्षण और प्रस्तुतीकरण दोनों के लिए धीमी थी।

तकनीकी अंतर्दृष्टि

एनईआरएफ एक दृश्य को निरंतर 5D फ़ंक्शन के रूप में दर्शाता है: एक स्थिति (x, y, z) और एक देखने की दिशा (दो कोण) इनपुट करें, और MLP RGB रंग और वॉल्यूम घनत्व लौटाता है। एक महत्वपूर्ण विवरण स्थितीय एन्कोडिंग है, जो मानचित्र उच्च-आवृत्ति साइन और कोसाइन कार्यों के माध्यम से समन्वयित करता है ताकि नेटवर्क धुंधले आउटपुट उत्पन्न करने के बजाय तेज विवरण कैप्चर कर सके। रेंडरिंग प्रत्येक कैमरा किरण के साथ रंग और घनत्व को एकीकृत करती है, अधिक निकट, अधिक अपारदर्शी नमूनों को अधिक भारी बनाती है, बिल्कुल शास्त्रीय वॉल्यूम रेंडरिंग के गणित को प्रशिक्षित करने योग्य बनाया जाता है।

सामरिक प्रभाव

गति और पैमाना

विज़ुअल एआई बड़े पैमाने पर निरीक्षण, पता लगाने और टैगिंग कार्यों को स्वचालित कर सकता है।

विकल्प बनाएं

रचनात्मक टीमें कम मैन्युअल संशोधनों के साथ तेजी से अवधारणाओं का प्रोटोटाइप बना सकती हैं।

टीम और वर्कफ़्लो

संचालन छवि और वीडियो संकेतों का उपयोग कर सकते हैं जिन्हें संसाधित करना पहले कठिन था।

तंत्रिका चमक क्षेत्रों का भविष्य

2020 के बाद एनईआरएफ अनुसंधान में विस्फोट हुआ, जिसमें हैश-ग्रिड एन्कोडिंग का उपयोग करके इंस्टेंट-एनजीपी कटिंग प्रशिक्षण को घंटों से सेकंड तक काटना और एमआईपी-एनईआरएफ जैसे स्केलों में गुणवत्ता में सुधार करना शामिल है। यह क्षेत्र तेजी से गॉसियन स्प्लैटिंग के साथ विलय कर रहा है या चुनौती दे रहा है, जो तेजी से प्रस्तुत करता है। मैपिंग, ई-कॉमर्स उत्पाद दृश्य, फिल्म दृश्य प्रभाव और एआर/वीआर में एनईआरएफ-व्युत्पन्न तकनीकों की अपेक्षा करें, साथ ही गतिशील एनईआरएफ में वृद्धि की अपेक्षा करें जो चलती दृश्यों और बदलती रोशनी के साथ "इन-द-वाइल्ड" कैप्चर को संभालते हैं। बड़े विषय हैं गति, संपादन क्षमता, और कम, गन्दी तस्वीरों से दृश्य कैप्चर करना।

वास्तविक विश्व कार्यान्वयन

किसी वस्तु के फ़ोन वीडियो को 3D दृश्य में बदलकर आप ऑनलाइन शॉपिंग के लिए परिक्रमा कर सकते हैं

फिल्म और दृश्य प्रभावों के लिए वास्तविक स्थानों को फोटोयथार्थवादी पृष्ठभूमि के रूप में पुनर्निर्माण करना

आभासी और संवर्धित वास्तविकता अनुभवों के लिए गहन 3डी दृश्यों का निर्माण

फोटो सेट से सांस्कृतिक विरासत स्थलों और कलाकृतियों को डिजिटल रूप से संरक्षित करना

जोखिम और रेलिंग

यदि उत्पत्ति अस्पष्ट है तो छवि अधिकार और सहमति कानूनी जोखिम बन सकते हैं।

मॉडल का प्रदर्शन प्रकाश व्यवस्था, जनसांख्यिकी और वातावरण के अनुसार भिन्न हो सकता है।

जब तक आत्मविश्वास की सीमा की निगरानी नहीं की जाती, तब तक झूठी सकारात्मक बातों पर ध्यान नहीं दिया जा सकता।

कार्यान्वयन रोडमैप

1

सटीकता, रिकॉल और त्रुटि लागत के लिए स्वीकृति मानदंड परिभाषित करें।

2

वास्तविक उत्पादन स्थितियों से मेल खाने वाले डेटा के साथ परीक्षण करें।

3

कम-आत्मविश्वास या उच्च-प्रभाव वाली भविष्यवाणियों के लिए मानवीय समीक्षा जोड़ें।

4

कैमरा या डेटासेट में बदलाव के बाद मॉडल बहाव को ट्रैक करें और पुनः सत्यापित करें।

अन्वेषण करते रहें

Free newsletter

Get the daily AI briefing

Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.

One email each weekday. Unsubscribe in one click. We never sell or share your address.

Test yourself

Take the Neural Radiance Fields quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

प्रश्नोत्तरी प्रारंभ करें

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

अगली गाइड

एमआईपी-एनईआरएफ और एंटी-अलियास्ड रेडियंस फील्ड्स

अक्सर पूछे जाने वाले प्रश्नों

What is Neural Radiance Fields?

न्यूरल रेडियंस फील्ड्स (एनईआरएफ) कुछ सामान्य तस्वीरों से एक पूर्ण 3डी दृश्य का पुनर्निर्माण करता है, जिससे आप कैमरे को बिल्कुल नए दृष्टिकोण पर ले जा सकते हैं। इसने जाल बनाने के बजाय एक छोटे तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए 3डी कैप्चर को फिर से तैयार किया।

न्यूरल रेडियंस फील्ड का मुख्य लक्ष्य क्या है?

एनईआरएफ छवियों के एक सेट से एक 3डी प्रतिनिधित्व बनाता है, जो मूल तस्वीरों के अलावा अन्य दृष्टिकोणों से फोटोयथार्थवादी प्रतिपादन को सक्षम बनाता है।

किसी दिए गए इनपुट के लिए NeRF तंत्रिका नेटवर्क आउटपुट क्या करता है?

3डी स्थिति और देखने की दिशा के लिए, एमएलपी उस बिंदु पर रंग और घनत्व (अस्पष्टता) लौटाता है।

NeRF के 5D फ़ंक्शन में इनपुट क्या हैं?

एनईआरएफ एक 3डी स्थान (एक्स, वाई, जेड) और एक देखने की दिशा (दो कोण) लेता है, कुल मिलाकर पांच इनपुट।

एनईआरएफ अपने नेटवर्क आउटपुट को अंतिम पिक्सेल रंग में कैसे बदलता है?

एनईआरएफ नमूने प्रत्येक किरण के साथ इंगित करते हैं और घनत्व द्वारा भारित उनके रंग को एकीकृत करते हैं, शास्त्रीय मात्रा प्रतिपादन समीकरण को अलग-अलग बनाया जाता है।

एनईआरएफ इनपुट निर्देशांक पर स्थितीय एन्कोडिंग का उपयोग क्यों करता है?

उच्च-आवृत्ति साइन/कोसाइन फ़ंक्शंस के माध्यम से निर्देशांक मैप करने से एमएलपी धुंधले परिणामों के बजाय बारीक विवरण प्रस्तुत कर सकता है।