Trường bức xạ Plenoxels và Voxel
Plenoxels cho thấy rằng bạn có thể tái tạo lại cảnh 3D với kết quả chất lượng NeRF mà không cần bất kỳ mạng thần kinh nào - chỉ là một mạng lưới các điểm ảnh ba chiều lưu trữ màu sắc và mật độ.
Tổng quan
The result trains roughly 100x faster than the original NeRF while matching its visual quality.
Lặn sâu
NeRF đạt được hiệu ứng quang học nhưng chậm vì mọi mẫu đều yêu cầu chuyển tiếp qua mạng lưới thần kinh sâu và quá trình đào tạo có thể mất hàng giờ hoặc hàng ngày. Plenoxels (Sara Fridovich-Keil, Alex Yu và cộng sự, 2022) đã đặt ra một câu hỏi mang tính khiêu khích: mạng có thực sự cần thiết không? Câu trả lời của họ là không. Chúng thể hiện khung cảnh dưới dạng lưới voxel 3D thưa thớt. Mỗi điểm ảnh ba chiều được sử dụng lưu trữ một giá trị độ mờ duy nhất cộng với các hệ số hài hòa hình cầu mã hóa màu phụ thuộc vào chế độ xem. Để hiển thị một pixel, hệ thống sẽ nội suy ba tuyến tính các giá trị này dọc theo tia và kết hợp chúng với kết xuất khối tiêu chuẩn. Vì không có mạng nên toàn bộ nội dung được tối ưu hóa trực tiếp bằng cách giảm độ dốc trên các giá trị voxel, được điều chỉnh đều đặn để tạo độ mượt. Kết quả nổi bật: chất lượng tương đương với NeRF, được đào tạo trong vài phút trên một GPU.
Hiểu biết kỹ thuật
Màu sắc phụ thuộc vào chế độ xem là phần thông minh. Thay vì mạng xuất ra RGB trên mỗi góc nhìn, mỗi voxel lưu trữ một tập hợp nhỏ các hệ số hài hòa hình cầu (SH) trên mỗi kênh màu. Việc đánh giá cơ sở SH theo hướng của tia sẽ tái tạo lại cách màu sắc của điểm đó thay đổi theo góc nhìn — ghi lại những điểm nổi bật và phản chiếu đặc trưng. Độ mờ không phụ thuộc vào hướng. Phép nội suy tam tuyến có thể phân biệt cộng với kết xuất khối giúp mọi giá trị voxel có thể huấn luyện trực tiếp, do đó tối ưu hóa là sự phù hợp đơn giản, không cần mạng.
Tác động chiến lược
Tốc độ và tỷ lệ
Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn.
Xây dựng lựa chọn
Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn.
Nhóm và quy trình làm việc
Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý.
Tương lai của Plenoxels và Trường bức xạ Voxel
Plenoxels đã chứng minh rằng sự biểu diễn chứ không phải mạng lưới thần kinh sẽ thúc đẩy chất lượng của NeRF — một phát hiện đã định hình lại lĩnh vực này. Nó trực tiếp truyền cảm hứng cho các phương pháp kết hợp và rõ ràng như lưới băm của Instant-NGP và cuối cùng là 3D Gaussian Splatting, hiện đang thống trị khả năng hiển thị rạng rỡ theo thời gian thực. Mong đợi sự chuyển đổi liên tục hướng tới các nguyên thủy rõ ràng, thân thiện với GPU, đào tạo trong vài giây và hiển thị trong thời gian thực, với các mạng thần kinh được sử dụng có chọn lọc thay vì làm kho lưu trữ cảnh cốt lõi.
Triển khai trong thế giới thực
Nhanh chóng tái tạo lại đối tượng đã chụp thành nội dung 3D trong vài phút để số hóa thương mại điện tử hoặc bảo tàng, thay vì phải chờ đợi hàng giờ.
Tạo mẫu nhanh về tổng hợp chế độ xem mới trên một GPU tiêu dùng duy nhất cho nghiên cứu và giáo dục.
Tạo ra các cảnh voxel rõ ràng, có thể chỉnh sửa mà các nghệ sĩ có thể trực tiếp kiểm tra và cắt tỉa, không giống như các trọng số mạng mờ đục.
Phục vụ như một ví dụ giảng dạy rằng việc thể hiện cảnh, chứ không phải học sâu, mới là thứ tạo ra kết quả như ảnh thực.
Rủi ro & lan can
Quyền và sự đồng ý về hình ảnh có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng.
Hiệu suất của mô hình có thể khác nhau tùy theo ánh sáng, nhân khẩu học và môi trường.
Kết quả dương tính giả có thể không được chú ý trừ khi ngưỡng tin cậy được theo dõi.
Lộ trình thực hiện
Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi.
Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế.
Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao.
Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu.
Tiếp tục khám phá
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 Plenoxels and Voxel 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
Hướng dẫn tiếp theo
Trường bức xạ thần kinh
Câu hỏi thường gặp
What is Plenoxels and Voxel Radiance Fields?
Plenoxels cho thấy rằng bạn có thể tái tạo lại cảnh 3D với kết quả chất lượng NeRF mà không cần bất kỳ mạng thần kinh nào - chỉ là một mạng lưới các điểm ảnh ba chiều lưu trữ màu sắc và mật độ. Kết quả đào tạo nhanh hơn khoảng 100 lần so với NeRF ban đầu trong khi vẫn phù hợp với chất lượng hình ảnh của nó.
Lựa chọn thiết kế đáng ngạc nhiên nhất của Plenoxels so với NeRF là gì?
Plenoxels lưu trữ cảnh trực tiếp trong lưới voxel và tối ưu hóa các giá trị đó mà không có mạng lưới thần kinh trong đường dẫn.
Mỗi điểm ảnh ba chiều được sử dụng trong Plenoxels lưu trữ những gì để thu được màu sắc phụ thuộc vào chế độ xem?
Mỗi voxel giữ độ mờ cộng với hệ số hài hòa hình cầu trên mỗi kênh màu, mã hóa cách màu sắc thay đổi theo hướng xem.
Plenoxels đào tạo nhanh hơn khoảng bao nhiêu so với NeRF ban đầu?
Bằng cách loại bỏ các lượt truyền qua mạng trên mỗi mẫu, Plenoxels đã được huấn luyện theo thứ tự nhanh hơn 100 lần và hoàn thành sau vài phút.
Các giá trị được tìm nạp từ lưới voxel dọc theo một tia như thế nào?
Plenoxels sử dụng phép nội suy tam tuyến khả vi để đọc màu và độ mờ một cách mượt mà giữa các trung tâm voxel.
Plenoxels đã chứng minh kết luận rộng hơn nào cho lĩnh vực này?
Bằng cách kết hợp chất lượng NeRF với không có mạng, Plenoxels cho thấy sự trình bày và tối ưu hóa chứ không phải MLP mới chịu trách nhiệm về kết quả.