Akademik Araştırmacılar Grafik Zorluklarının Üstesinden Gelmek İçin NVIDIA ile İşbirliği Yapıyor

Akademik Araştırmacılar Grafik Zorluklarının Üstesinden Gelmek İçin NVIDIA ile İşbirliği Yapıyor


NVIDIA’nın grafik araştırmalarındaki en son akademik işbirlikleri, atletik hareketleri sorunsuz bir şekilde simüle eden bir pekiştirmeli öğrenme modeli, sanal gerçeklik için ultra ince holografik gözlükler ve gizli ışık kaynakları tarafından aydınlatılan nesneler için gerçek zamanlı bir işleme tekniği üretti.

Bu projeler – ve bir düzineden fazla – şu adreste sergilenecek: SIGGRAPH 2022, 8-11 Ağustos tarihlerinde Vancouver’da ve çevrimiçi olarak gerçekleşecek. NVIDIA araştırmacıları, Dartmouth College, Stanford Üniversitesi, İsviçre Federal Teknoloji Enstitüsü Lozan ve Tel Aviv Üniversitesi dahil olmak üzere 14 üniversiteyle yapılan çalışmaları temsil eden konferansta kabul edilen 16 teknik makaleye sahipler.

Makaleler, sinirsel içerik oluşturma araçları, görüntüleme ve insan algısı, bilgisayar grafiklerinin matematiksel temelleri ve sinirsel işlemedeki gelişmelerle birlikte grafik araştırmalarının genişliğini kapsar.

Çok Becerili Simüle Edilmiş Karakterler için Sinir Aracı

Fizik tabanlı bir animasyon karakteri geliştirmek için bir pekiştirmeli öğrenme modeli kullanıldığında, AI tipik olarak bir seferde yalnızca bir beceri öğrenir: yürüme, koşma veya belki de çarkıfelek. Ancak UC Berkeley, Toronto Üniversitesi ve NVIDIA’dan araştırmacılar, AI’nın tüm beceri repertuarını öğrenmesini sağlayan bir çerçeve oluşturdular – yukarıda bir kılıç kullanabilen, kalkan kullanabilen ve düştükten sonra ayağa kalkabilen bir savaşçı karakterle gösterilmiştir.

Geliştiriciler her yeni görev için yapay zekayı eğitmeye sıfırdan başladıkları için, animasyonlu karakterler için bu pürüzsüz, gerçeğe yakın hareketleri gerçekleştirmek genellikle sıkıcı ve yoğun emek gerektirir. Ana hatlarıyla belirtildiği gibi bu kağıtaraştırma ekibi, takviyeli öğrenme yapay zekasının yeni senaryolara yanıt vermek için önceden öğrenilen becerileri yeniden kullanmasına, verimliliği artırmasına ve ek hareket verilerine olan ihtiyacı azaltmasına izin verdi.

Bunun gibi araçlar, yaratıcılar tarafından animasyon, robotik, oyun ve tedavi alanlarında kullanılabilir. SIGGRAPH’da NVIDIA araştırmacıları, aynı zamanda 3D sinirsel araçlar hakkında makaleler sunacaklar. nokta bulutlarından yüzey rekonstrüksiyonu ve etkileşimli şekil düzenlemenin yanı sıra 2D araçlar Vektör çizimlerindeki boşlukları daha iyi anlamak için yapay zeka ve hızlandırılmış videoların görsel kalitesini iyileştirin.

Hafif Gözlüklere Sanal Gerçeklik Getirmek

Çoğu sanal gerçeklik kullanıcısı, 3D dijital dünyalara, başa takılan büyük ekranlar koyarak erişiyor, ancak araştırmacılar standart gözlüklere benzeyen hafif alternatifler üzerinde çalışıyor.

Akademik Araştırmacılar Grafik Zorluklarının Üstesinden Gelmek İçin NVIDIA ile İşbirliği YapıyorNVIDIA ve Stanford araştırmacıları arasındaki işbirliği, 3D holografik görüntüler için gereken teknolojiyi bir sadece birkaç milimetre kalınlığında giyilebilir ekran. 2,5 milimetrelik ekran, yalnızca 2D görüntüleri destekleyebilen katlanmış optik adı verilen bir teknik kullanan yassı mercekler olarak bilinen diğer ince VR ekranların boyutunun yarısından daha az.

Araştırmacılar, görüntü kalitesine ve ekran boyutuna bir hesaplama problemi olarak yaklaşarak ve optikleri yapay zeka destekli bir algoritma ile birlikte tasarlayarak bu başarıya ulaştılar.

Önceki VR ekranları, bir hologram oluşturmak için büyüteçli bir mercek ile bir ekran paneli arasındaki mesafeyi gerektirirken, bu yeni tasarım, bu boşluğa ihtiyaç duymadan, kullanıcının gözlerinin önünde hologramlar oluşturabilen bir araç olan bir uzaysal ışık modülatörü kullanıyor. Ek bileşenler – göz bebeği kopyalayan bir dalga kılavuzu ve geometrik faz merceği – cihazın hacmini daha da azaltır.

Konferansta Stanford ve NVIDIA arasındaki iki VR işbirliğinden biri ve bir başka makale öneriyor. yeni bilgisayar tarafından oluşturulan holografi çerçevesi bant genişliği kullanımını optimize ederken görüntü kalitesini artırır. New York Üniversitesi ve Princeton Üniversitesi bilim adamları ile ortaklaşa yazılan bu görüntüleme ve algı araştırması alanındaki üçüncü bir makale, oluşturma kalitesi, kullanıcıların tepki verme hızını nasıl etkiler? ekran bilgilerine.

Ampul Momenti: Gerçek Zamanlı Aydınlatma Karmaşıklığının Yeni Düzeyleri

Bir sahnedeki ışığın yollarının gerçek zamanlı olarak doğru bir şekilde simüle edilmesi her zaman grafiklerin “kutsal kâsesi” olarak kabul edilmiştir. Utah Üniversitesi Bilgi İşlem Okulu ve NVIDIA tarafından hazırlanan bir makalede ayrıntılı olarak açıklanan çalışma, çıtayı yükseltiyor ve bir karmaşık aydınlatma ile sahnelerin gerçek zamanlı olarak oluşturulmasını sağlayan yol yeniden örnekleme algoritmasıgizli ışık kaynakları dahil.

Dışarıda bulunan bir sokak lambasıyla dolaylı olarak aydınlatılan bir masanın üzerinde cam bir vazo bulunan loş bir odaya girdiğinizi düşünün. Parlak yüzey, ışık kaynağı ile izleyicinin gözü arasında birçok kez sıçrayan ışınlarla uzun bir ışık yolu oluşturur. Bu ışık yollarının hesaplanması, oyunlar gibi gerçek zamanlı uygulamalar için genellikle çok karmaşıktır, bu nedenle çoğunlukla filmler veya diğer çevrimdışı işleme uygulamaları için yapılır.

Bu makale, ışık yollarına gerçek zamanlı olarak verimli bir şekilde yaklaşmak için işleme sırasında, algoritmanın bu karmaşık ışık yollarını izlerken hesaplamaları binlerce kez yeniden kullandığı istatistiksel yeniden örnekleme tekniklerinin kullanımını vurgulamaktadır. Araştırmacılar algoritmayı, aşağıda resmedilen bilgisayar grafiklerindeki klasik zorlu bir sahneye uyguladılar: metal, seramik ve camdan yapılmış, dolaylı olarak aydınlatılmış bir çaydanlık seti.

Akademik Araştırmacılar Grafik Zorluklarının Üstesinden Gelmek İçin NVIDIA ile İşbirliği Yapıyor

SIGGRAPH’da NVIDIA tarafından yazılan ilgili makaleler, yeni bir ters hacim oluşturma için örnekleme stratejisia 2B şekil işleme için yeni matematiksel temsilyazılım geliştirilmiş tekdüzeliğe sahip örnekleyiciler oluşturun oluşturma ve diğer uygulamalar için ve bir yol önyargılı oluşturma algoritmalarını daha verimli tarafsız olanlara dönüştürün.

Sinirsel İşleme: NeRF’ler, GAN’lar Güç Sentetik Sahneler

Sinirsel işleme algoritmaları, sentetik görüntüler oluşturmak için gerçek dünya verilerinden öğrenir ve NVIDIA araştırma projeleri bunu 2D ve 3D olarak yapmak için son teknoloji araçlar geliştiriyor.

2D olarak, StilGAN-NADA modeliTel Aviv Üniversitesi ile işbirliği içinde geliştirilen , referans için örnek resimler gerektirmeden, kullanıcının metin istemlerine dayalı olarak belirli stillere sahip resimler oluşturur. Örneğin, bir kullanıcı eski model araba resimleri oluşturabilir, köpeğini bir tabloya dönüştürebilir veya evleri kulübeye dönüştürebilir:

Akademik Araştırmacılar Grafik Zorluklarının Üstesinden Gelmek İçin NVIDIA ile İşbirliği Yapıyor

Ve 3D’de, NVIDIA ve Toronto Üniversitesi’ndeki araştırmacılar, büyük ölçekli sanal dünyaların yaratılmasını destekleyebilecek araçlar geliştiriyorlar. Anında sinirsel grafik ilkelleripopüler Instant NeRF aracının arkasındaki NVIDIA makalesi SIGGRAPH’da sunulacak.

2D görüntülerin bir koleksiyonuna dayanan 3D sahneler olan NeRF’ler, sinirsel grafik ilkel tekniğinin yalnızca bir yeteneğidir. Görüntü sıkıştırma, 3B şekillerin son derece hassas temsilleri ve ultra yüksek çözünürlüklü görüntüler gibi uygulamalarla herhangi bir karmaşık uzamsal bilgiyi temsil etmek için kullanılabilir.

Bu çalışma, Toronto Üniversitesi işbirliğiyle 3B sinirsel grafik ilkellerini sıkıştırır tıpkı JPEG’in 2D görüntüleri sıkıştırmak için kullanılması gibi. Bu, kullanıcıların telefonlar ve robotlar gibi küçük cihazlar arasında 3B haritaları ve eğlence deneyimlerini depolamasına ve paylaşmasına yardımcı olabilir.

Dünya çapında 300’den fazla NVIDIA araştırmacısı var ve ekipler yapay zeka, bilgisayar grafikleri, bilgisayarla görme, sürücüsüz arabalar ve robotik gibi konulara odaklanıyor. Hakkında daha fazla öğren NVIDIA Araştırması.


Kaynak : https://blogs.nvidia.com/blog/2022/05/04/siggraph-ai-graphics-research-collaboration/

Bir cevap yazın

E-posta hesabınız yayımlanmayacak.