Չնայած գիտնականները հաջողությամբ օգտագործել են նեյրոնային ցանցերը՝ երևակայական 15D տեսարանները պատկերների վերածելու համար, մեքենայական ուսուցման այս տեխնիկան այնքան արագ չէ, որ դրանք հարմար լինեն իրական աշխարհի բազմաթիվ ծրագրերի համար: Նոր մեթոդը, որը ցուցադրվել է Մասաչուսեթսի տեխնոլոգիական ինստիտուտի և այլ կազմակերպությունների հետազոտողների կողմից, կարող է պատկերներից եռաչափ տեսարաններ ներկայացնել մոտ 000 անգամ ավելի արագ, քան որոշ այլ մոդելներ: Այս մասին զեկույցներ կազմակերպության կայքը։
Մասնագետները պարզաբանել են, որ կյանքի շատ ոլորտներում, օրինակ՝ ճշգրիտ վիրաբուժության կամ գյուղատնտեսության, անհրաժեշտ է առարկաների եռաչափ վիզուալիզացիա։ Որպես կանոն, նեյրոնային ցանցերը ստանում են երկչափ պատկեր և դրա հիման վրա ստեղծում 3D օբյեկտ։ MIT-ի գիտնականները նշել են, որ իրենց նոր մեթոդը թույլ է տալիս արագացնել այդ գործընթացը մոտ 15 հազար անգամ՝ համեմատած առկա մոդելների։
Մշակման հեղինակները ստեղծել են լուսային դաշտի ցանց (LFN), որի հիման վրա արհեստական ինտելեկտը սովորել է վերարտադրել եռաչափ օբյեկտները մեկ դիտարկումից հետո և իրական ժամանակում կադրերի արագությամբ։ Այս մեթոդը ներկայացնում է տեսարանը որպես 360° լուսային դաշտ և ֆունկցիա, որը նկարագրում է բոլոր լույսի ճառագայթները եռաչափ տարածության մեջ, որոնք անցնում են յուրաքանչյուր կետով և բոլոր ուղղություններով: Լույսի դաշտը կոդավորված է նեյրոնային ցանցի մեջ, որն արագացնում է 3D տեսարանի ցուցադրումը։
Մասնագետները մոդելին փորձարկել են մի քանի տեսարաններում։ Նրանք պարզել են, որ LFN-ի միջոցով նեյրոնային ցանցը կարողացել է 500D առարկաներ ստեղծել վայրկյանում ավելի քան 1,6 կադր արագությամբ՝ մոտ երեք կարգով ավելի արագ, քան մյուս մեթոդները: Գիտնականները պարզաբանել են նաև, որ լուսային դաշտի նոր ցանցն ավելի ռացիոնալ է օգտագործում ռեսուրսները, որոնք պահանջում են մոտ XNUMX ՄԲ հիշողություն։
«Նյարդային արտապատկերումը հնարավորություն է տվել ֆոտոռեալիստական վերարտադրում և պատկերների խմբագրում, որը հիմնված է միայն մուտքային պատկերների նոսր հավաքածուի վրա: Ցավոք, բոլոր գոյություն ունեցող մեթոդները շատ թանկ են հաշվողական տեսանկյունից, ինչը խանգարում է դրանց կիրառմանը իրական ժամանակում մշակում պահանջող ծրագրերում, ինչպիսին է վիդեոկոնֆերանսը: Այս նախագիծը մեծ քայլ է կատարում դեպի նոր սերնդի հաշվողական արդյունավետ և մաթեմատիկորեն էլեգանտ նյարդային վերարտադրության ալգորիթմներ: Ակնկալում եմ, որ այն լայն կիրառություն կգտնի համակարգչային գրաֆիկայի, համակարգչային տեսողության և այլ ոլորտներում»,- ասաց հետազոտության մասնակից դոցենտ Գորդոն Վեցշտեյնը։ Նրա խոսքով, նոր տեխնոլոգիան կիրառություն կգտնի համակարգչային գրաֆիկայի և այլ ոլորտներում։
Ի դեպ, նոյեմբերի վերջին հայտնի դարձավ Ricult ծրագրի մասին, որն օգնում է ֆերմերներին ավելացնել բերքը։ Ծառայությունը վերլուծում է եղանակային փոփոխությունները՝ օգնելու Թաիլանդի և Պակիստանի ֆերմերներին ընտրել լավագույն ժամանակը մշակաբույսեր տնկելու համար:
Կարդացեք նաև.