Nöral Parlaklık Alanları
Nöral Parlaklık Alanları (NeRF), bir avuç sıradan fotoğraftan tam bir 3 boyutlu sahneyi yeniden oluşturarak, kamerayı yepyeni bakış açılarına uçurmanıza olanak tanır.
Genel Bakış
It reframed 3D capture as training a tiny neural network rather than building a mesh.
Derin Dalış
2020 yılında Mildenhall ve meslektaşları tarafından tanıtılan NeRF, tüm sahneyi küçük bir sinir ağının (çok katmanlı bir algılayıcı) içinde saklıyor. Bir 3 boyutlu nokta ve görüntüleme yönü verildiğinde ağ, o noktanın rengini ve ne kadar opak olduğunu ortaya çıkarır. NeRF, bir pikseli işlemek için sahneye bir ışın gönderir, bu ışın boyunca noktaları örnekler, ağı sorgular ve hacim oluşturmayı kullanarak sonuçları harmanlar. Tüm bu süreç farklılaştırılabilir olduğundan, ağ, oluşturulan pikselleri gerçek giriş fotoğraflarıyla karşılaştırarak ve bunlar eşleşinceye kadar ayarlayarak eğitilir. Bunun getirisi, siz hareket ettikçe değişen yansımalar ve parlak vurgular gibi görünüme bağlı efektler de dahil olmak üzere çarpıcı fotogerçekçiliktir. Dezavantajları ise her sahnenin kendi eğitim çalışmasına ihtiyaç duyması ve orijinal yöntemin hem eğitim hem de işleme açısından yavaş olmasıydı.
Teknik Bilgi
NeRF, bir sahneyi sürekli bir 5D işlevi olarak temsil eder: bir konum (x, y, z) artı bir görüntüleme yönü (iki açı) girin ve MLP, RGB renk ve hacim yoğunluğunu döndürür. Önemli bir ayrıntı, koordinatları yüksek frekanslı sinüs ve kosinüs fonksiyonları aracılığıyla haritalandıran konumsal kodlamadır, böylece ağın bulanık çıktı üretmek yerine keskin ayrıntıları yakalayabilmesi sağlanır. İşleme, her bir kamera ışını boyunca renk ve yoğunluğu entegre eder, daha yakına ağırlık verir, daha opak örnekleri daha yoğun hale getirir; klasik hacim işlemenin matematiği tam olarak eğitilebilir hale gelir.
Stratejik Etki
Speed and scale
Visual AI, inceleme, algılama ve etiketleme görevlerini geniş ölçekte otomatikleştirebilir.
Build choices
Yaratıcı ekipler, daha az manuel revizyonla konseptleri daha hızlı prototipleyebilir.
Ekip ve iş akışı
Operasyonlar, daha önce işlenmesi zor olan görüntü ve video sinyallerini kullanabilir.
Nöral Parlaklık Alanlarının Geleceği
NeRF araştırmaları, 2020'den sonra, hash-grid kodlamaları kullanılarak eğitimi saatlerden saniyelere indiren Instant-NGP ve Mip-NeRF'in ölçekler arasında kaliteyi artırması gibi takiplerle patlama yaşadı. Alan giderek daha hızlı işlenen Gaussian Splatting ile birleşiyor veya ona meydan okuyor. Haritalama, e-ticaret ürün görüntülemeleri, film görsel efektleri ve AR/VR'de NeRF'den türetilmiş tekniklerin yanı sıra hareketli sahneleri ve değişen ışıklandırmayla "vahşi" çekimleri gerçekleştiren dinamik NeRF'lerdeki büyümeyi bekleyin. Büyük temalar hız, düzenlenebilirlik ve daha az, daha karmaşık fotoğraflardan sahne yakalamadır.
Gerçek Dünya Uygulaması
Bir nesnenin telefon videosunu, çevrimiçi alışveriş için yörüngede tutabileceğiniz 3 boyutlu bir görünüme dönüştürme
Film ve görsel efektler için gerçek mekanları fotogerçekçi arka planlar olarak yeniden yapılandırmak
Sanal ve artırılmış gerçeklik deneyimleri için sürükleyici 3D sahneler oluşturma
Fotoğraf setlerinden kültürel miras alanlarını ve eserleri dijital olarak koruma
Riskler ve Korkuluklar
Kaynağın belirsiz olması durumunda görüntü hakları ve rıza yasal risk haline gelebilir.
Model performansı aydınlatma, demografik özellikler ve ortamlara göre değişiklik gösterebilir.
Güven eşikleri izlenmediği sürece yanlış pozitifler fark edilmeyebilir.
Uygulama Yol Haritası
Kesinlik, geri çağırma ve hata maliyetlerine ilişkin kabul kriterlerini tanımlayın.
Gerçek üretim koşullarıyla eşleşen verilerle test edin.
Düşük güvenirliğe sahip veya yüksek etkili tahminler için gerçek kişi tarafından yapılan incelemeyi ekleyin.
Model kaymasını izleyin ve kamera veya veri kümesi değişikliklerinden sonra yeniden doğrulayın.
Keşfetmeye Devam Edin
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.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Next guide
Mip-NeRF ve Kenar Yumuşatılmış Parlaklık Alanları
Sık sorulan sorular
What is Neural Radiance Fields?
Nöral Parlaklık Alanları (NeRF), bir avuç sıradan fotoğraftan tam bir 3 boyutlu sahneyi yeniden oluşturarak, kamerayı yepyeni bakış açılarına uçurmanıza olanak tanır. 3D yakalamayı, bir ağ oluşturmak yerine küçük bir sinir ağını eğitmek olarak yeniden çerçeveledi.
Nöral Parlaklık Alanının ana hedefi nedir?
NeRF, bir dizi görüntüden 3 boyutlu bir temsil oluşturarak, orijinal fotoğraflarda olmayan bakış açılarından fotogerçekçi görüntü oluşturmayı mümkün kılar.
Belirli bir giriş için NeRF sinir ağı çıktısı nedir?
MLP, 3 boyutlu konum ve görüntüleme yönü için o noktadaki rengi ve yoğunluğu (opaklığı) döndürür.
NeRF'nin 5D işlevinin girdileri nelerdir?
NeRF, 3 boyutlu bir konum (x, y, z) ve bir görüntüleme yönü (iki açı) alarak toplamda beş giriş alır.
NeRF ağ çıkışlarını son piksel rengine nasıl dönüştürüyor?
NeRF numuneleri her bir ışın boyunca işaret eder ve bunların renk ağırlıklarını yoğunluğa göre birleştirir; klasik hacim oluşturma denklemi türevlenebilir hale getirilir.
NeRF neden giriş koordinatlarında konumsal kodlama kullanıyor?
Koordinatların yüksek frekanslı sinüs/kosinüs işlevleriyle eşlenmesi, MLP'nin bulanık sonuçlar yerine ince ayrıntıları temsil etmesine olanak tanır.