მიუხედავად იმისა, რომ მეცნიერებმა წარმატებით გამოიყენეს ნერვული ქსელები წარმოსახვითი 15D სცენების გამოსახულებებად გადასაყვანად, მანქანური სწავლების ეს ტექნიკა არ არის საკმარისად სწრაფი, რომ ისინი შესაფერისი იყოს მრავალი რეალური აპლიკაციისთვის. ახალი მეთოდი, რომელიც აჩვენეს მასაჩუსეტსის ტექნოლოგიური ინსტიტუტის და სხვა ორგანიზაციების მკვლევარებმა, შეუძლია სამგანზომილებიანი სცენების გადაღება სურათებიდან დაახლოებით 000-ჯერ უფრო სწრაფად, ვიდრე ზოგიერთ სხვა მოდელს. ამის შესახებ იუწყება ორგანიზაციის ვებგვერდი.
სპეციალისტებმა განმარტეს, რომ ცხოვრების ბევრ სფეროში, მაგალითად, ზუსტ ქირურგიაში ან სოფლის მეურნეობაში, საჭიროა ობიექტების სამგანზომილებიანი ვიზუალიზაცია. როგორც წესი, ნერვული ქსელები იღებენ ორგანზომილებიან გამოსახულებას და მასზე დაყრდნობით ქმნიან 3D ობიექტს. MIT-ის მეცნიერებმა განაცხადეს, რომ მათი ახალი მეთოდი საშუალებას იძლევა დააჩქაროს ეს პროცესი დაახლოებით 15 ათასჯერ, არსებულ მოდელებთან შედარებით.
განვითარების ავტორებმა შექმნეს მსუბუქი ველის ქსელი (LFN), რომლის საფუძველზეც ხელოვნურმა ინტელექტმა ისწავლა სამგანზომილებიანი ობიექტების რეპროდუცირება ერთი დაკვირვების შემდეგ და კადრების სიჩქარით რეალურ დროში. ეს მეთოდი წარმოადგენს სცენას, როგორც 360° სინათლის ველს და ფუნქციას, რომელიც აღწერს ყველა სინათლის სხივს სამგანზომილებიან სივრცეში, რომელიც გადის თითოეულ წერტილში და ყველა მიმართულებით. სინათლის ველი დაშიფრულია ნერვულ ქსელში, რომელიც აჩქარებს 3D სცენის რენდერირებას.
სპეციალისტებმა მოდელი რამდენიმე სცენაზე გამოსცადეს. მათ აღმოაჩინეს, რომ LFN-ით, ნერვულ ქსელს შეეძლო 500D ობიექტების გენერირება 1,6 კადრი წამში სიჩქარით, დაახლოებით სამი რიგით სიდიდის უფრო სწრაფად, ვიდრე სხვა მეთოდებს. მეცნიერებმა ასევე განმარტეს, რომ სინათლის ველის ახალი ქსელი უფრო რაციონალურად იყენებს რესურსებს, რომლებიც საჭიროებს დაახლოებით XNUMX მბ მეხსიერებას.
„ნერვულმა რენდერირებამ ჩართო ფოტორეალისტური რენდერი და გამოსახულების რედაქტირება მხოლოდ შეყვანილი სურათების მწირი ნაკრების საფუძველზე. სამწუხაროდ, ყველა არსებული მეთოდი ძალიან ძვირია გამოთვლითი თვალსაზრისით, რაც ხელს უშლის მათ გამოყენებას აპლიკაციებში, რომლებიც საჭიროებენ რეალურ დროში დამუშავებას, როგორიცაა ვიდეო კონფერენცია. ეს პროექტი დიდ ნაბიჯს დგამს ახალი თაობის გამოთვლით ეფექტური და მათემატიკურად ელეგანტური ნერვული გადაცემის ალგორითმებისკენ. ვიმედოვნებ, რომ ის იპოვის ფართო გამოყენებას კომპიუტერულ გრაფიკაში, კომპიუტერულ ხედვასა და სხვა სფეროებში“, - თქვა კვლევის მონაწილე ასოცირებულმა პროფესორმა გორდონ ვეცშტეინმა. მისივე თქმით, ახალი ტექნოლოგია კომპიუტერულ გრაფიკასა და სხვა სფეროებში გამოიყენებს.
სხვათა შორის, ნოემბრის ბოლოს ცნობილი გახდა რიკულტის პროგრამის შესახებ, რომელიც ფერმერებს მოსავლის გაზრდაში ეხმარება. სერვისი აანალიზებს ამინდის ცვლილებებს, რათა დაეხმაროს ფერმერებს ტაილანდში და პაკისტანში, აირჩიონ საუკეთესო დრო მოსავლის დარგვისთვის.
ასევე წაიკითხეთ: