InayofuataMwongozo unaofuata
Usimbaji wa Byte-Jozi
Lugha AI
Mwongozo wa AI unaoonekana
Usimbaji wa Hashi ya Papo hapo-NGP
Instant-NGP ni mbinu ya NVIDIA inayofunza Sehemu za Neural Radiance na vielelezo vingine vya awali vya picha za neva kwa sekunde badala ya saa kwa kuhifadhi vipengele vinavyoweza kujifunzia katika jedwali la heshi yenye maazimio mengi.
Sikiliza mwongozo huuInaonyeshwa na AI · ~2 min
Katika ukurasa huudk 2 kusoma
Muhtasari
Ni muhimu kwa sababu ilifanya kunasa mandhari ya hali ya juu ya 3D haraka vya kutosha ili kuhisi karibu kuingiliana.
Dive ya kina
Instant Neural Graphics Primitives (NVIDIA, 2022) hushambulia kizuizi kikuu cha NeRFs: MLP kubwa ambayo lazima iulizwe mamilioni ya mara. Badala ya kusimba nafasi ya 3D yenye vipengele visivyobadilika vya sinusoidal na kutegemea mtandao mkubwa, Instant-NGP hutumia usimbaji wa hashi wenye maazimio mengi. Nafasi inafunikwa na gridi kadhaa kwa maazimio tofauti; kila ramani za seli za gridi, kupitia kipengele cha kukokotoa cha anga, katika jedwali fupi la vivekta vya vipengele vinavyoweza kujifunzia. Ili kusimba nukta, mfumo hutazama juu na kujumuisha vipengele kwa utatu kutoka kwa kila kiwango cha mwonekano, kuviunganisha, na kuvilisha hivyo katika MLP ndogo. Kwa sababu wengi wa wawakilishi waliojifunza huishi katika majedwali ya utafutaji na mtandao mdogo tu unabaki, mafunzo na utoaji huwa maagizo ya ukubwa kwa kasi, mara nyingi hugeuza saa kuwa sekunde.
Utekelezaji wa Ulimwengu Halisi
Kunasa kitu halisi au chumba kwenye NeRF kwa sekunde kutoka kwa seti ya picha za simu
Kuweka kitendakazi cha umbali chenye saini cha neural kwa uwakilishi wa haraka wa umbo la 3D
Kufinyiza na kuwakilisha picha ya gigapixel kama uga wa neva unaoendelea
Kuimarisha ujenzi wa eneo la haraka ndani ya zana za utafiti na taswira ya mapema ya VFX
Mustakabali wa Usimbaji wa Hashi wa Papo hapo-NGP
Usimbaji wa gridi ya Hash umekuwa kizuizi chaguomsingi zaidi ya onyesho asili la NeRF, linalotumika katika usanisi wa mwonekano wa wakati halisi, SDF na uwekaji picha wa gigapixel, uigaji, na kama uti wa mgongo wa vifaa vya zana kama Nerfstudio. Ingawa Gaussian Splatting sasa inashindana kwa kasi ghafi ya uwasilishaji, usimbaji wa heshi hubakia katikati ambapo sehemu za neva zilizoshikana, laini na zinazoweza kuhojiwa zinahitajika, na kazi inayoendelea huchanganya hizi mbili na kusukuma kuelekea matukio makubwa zaidi, yanayobadilika na kutiririka.
Kuiweka katika vitendo
Kwa nini ni muhimu
- Kasi na kiwango. Visual AI inaweza kufanya ukaguzi, ugunduzi na kazi za kuweka lebo kiotomatiki kwa kiwango.
- Tengeneza chaguzi. Timu bunifu zinaweza kuiga dhana kwa haraka zaidi na masahihisho machache ya mikono.
- Timu na mtiririko wa kazi. Uendeshaji unaweza kutumia ishara za picha na video ambazo hapo awali zilikuwa ngumu kuchakata.
Jihadharini na
- Haki za picha na idhini zinaweza kuwa hatari za kisheria ikiwa asili haiko wazi.
- Utendaji wa muundo unaweza kutofautiana katika mwangaza, idadi ya watu na mazingira.
- Chanya za uwongo zinaweza kutotambuliwa isipokuwa viwango vya uaminifu vifuatiliwe.
Hatua zinazofuata
- Bainisha vigezo vya kukubalika vya usahihi, kumbukumbu na gharama za makosa.
- Jaribu kwa kutumia data inayolingana na hali halisi ya uzalishaji.
- Ongeza ukaguzi wa kibinadamu kwa utabiri wa chini au utabiri wa athari kubwa.
- Fuatilia mtindo wa kuteleza na uthibitishe upya baada ya mabadiliko ya kamera au mkusanyiko wa data.
Endelea Kuchunguza
Jarida halali
Pata taarifa ya kila siku ya AI
Hadithi tatu za AI zilizothibitishwa kila asubuhi ya wiki, zimetengenezwa kwa Kiingereza rahisi. Bila malipo daima, hakuna matangazo.
Barua pepe moja kila siku ya wiki. Jiondoe kwa bonyeza moja. Hatutauza au kushiriki anwani yako.
Jijaribu mwenyewe
Take the Instant-NGP Hash Encoding quiz
Maoni ya haraka juu ya kila jibu, na cheti kinachoweza kushirikishwa na kitambulisho kinachoweza kuthibitishwa baada ya kupita kozi.
Changia elimu ya AI bila malipo. AI Understanding ni 501(c)(3) isiyo na faida — hakuna matangazo, hakuna kizuizi cha malipo, daima. Toa mchango
Maswali yanayoulizwa mara kwa mara
Usimbaji wa Hashi ya Papo hapo-NGP ni nini?
Instant-NGP ni mbinu ya NVIDIA inayofunza Sehemu za Neural Radiance na vielelezo vingine vya awali vya picha za neva kwa sekunde badala ya saa kwa kuhifadhi vipengele vinavyoweza kujifunzia katika jedwali la heshi yenye maazimio mengi. Ni muhimu kwa sababu ilifanya kunasa mandhari ya hali ya juu ya 3D haraka vya kutosha ili kuhisi karibu kuingiliana.
Je, ni kikwazo gani kikuu katika NeRF za kawaida ambacho kinalenga Papo hapo-NGP?
Classic NeRFs hutegemea MLP kubwa inayoulizwa mara nyingi sana; Instant-NGP hupungua ambayo hufanya kazi ili kuharakisha mafunzo na uwasilishaji.
Papo hapo-NGP huhifadhi wapi vigezo vingi vinavyoweza kusomeka?
Vipengele vinavyoweza kujifunza huishi katika majedwali ya heshi yenye maazimio mengi, hivyo basi MLP ndogo tu ili kuchanganya vipengele vya kuangalia.
Je, vipengele vinaunganishwa vipi katika viwango vingi vya msongo?
Vipengele vya kila ngazi vimeunganishwa kwa utatu na kuunganishwa kabla ya kupitishwa kwa MLP ndogo.
Je, Papo hapo-NGP hushughulikia vipi migongano ya heshi katika jedwali zake zenye msongo mzuri?
Migongano inaruhusiwa; maeneo yenye msongamano wa juu hutoa gradient imara zaidi ili MLP ndogo na uboreshaji kujifunza kutatua nafasi zilizoshirikiwa.
Takriban ni kwa kiasi gani Instant-NGP inaharakisha mafunzo ya NeRF?
Kwa kuhamisha uwakilishi kwenye jedwali la hashi na kupunguza MLP, mafunzo yaliyochukua saa nyingi yanaweza kumalizika kwa sekunde.
Endelea kujifunza
Miongozo inayohusiana
Miongozo zaidi imechaguliwa kwa mada hii