الأخبار التكنولوجية والاستعراضات والنصائح!

تحويل حقول الإشعاع العصبي: يمكن لنهج الذكاء الاصطناعي هذا استخراج شبكات ثلاثية الأبعاد دقيقة من NeRFs

ستساعدك المقالة التالية: تحويل حقول الإشعاع العصبي: يمكن لنهج الذكاء الاصطناعي هذا استخراج شبكات ثلاثية الأبعاد دقيقة من NeRFs

لعقود من الزمان ، تخيلنا عالمًا رقميًا حيث يمكننا تجربة العالم المادي بكل مجده ثلاثي الأبعاد ، ولكن حتى وقت قريب ، كان تحقيق ذلك يمثل تحديًا كبيرًا. بينما تمكنا من التواصل مع الآخرين من خلال المكالمات ومقاطع الفيديو والصور ، فقد اقتصرت هذه التجارب على تمثيل ثنائي الأبعاد للواقع. لطالما أردنا المزيد – القدرة على رؤية الأشخاص والأشياء والأماكن ثلاثية الأبعاد ، لتغمر أنفسنا في العالم من حولنا. ومع ذلك ، فإن إعادة بناء المشاهد والأشياء ثلاثية الأبعاد بدقة كانت مهمة معقدة وصعبة ، وتتطلب تقدمًا كبيرًا في التكنولوجيا والأساليب الحسابية.

تعد إعادة بناء المشهد والأشياء ثلاثية الأبعاد الدقيقة مشكلة حاسمة في مختلف المجالات مثل الروبوتات ، والقياس التصويري ، و AR / VR ، وما إلى ذلك. يمكنهم توليف عروض جديدة بدقة تامة باستخدام تمثيل ثلاثي الأبعاد حيث يمكن لكل موقع في الفضاء أن ينبعث من الإشعاع. جذبت النتائج المثيرة للإعجاب لـ NeRF الانتباه في الأدبيات ، وكانت هناك محاولات عديدة لتحسين أدائها.

ركزت معظم الأعمال على تحسين NeRF من حيث جودة الصورة والمتانة وسرعة التدريب وسرعة العرض. رغم ذلك ، هناك مشكلة في هذه الأعمال ؛ يركز كل منهم تقريبًا على تحسين NeRF لمهمة توليف العرض الجديد (NVS). لذلك ، لا يمكننا استخدامها للحصول على شبكات ثلاثية الأبعاد دقيقة من حقول الإشعاع ، ولهذا السبب لا يمكننا دمج NeRF بشكل مباشر مع معظم خطوط أنابيب رسومات الكمبيوتر.

ماذا لو أردنا استخراج شبكات دقيقة هندسيًا من NeRFs حتى نتمكن بالفعل من دمجها في خطوط أنابيب رسومات الكمبيوتر؟ كيف يمكننا استخراج شبكات ثلاثية الأبعاد دقيقة من NeRFs؟ الوقت المناسب لتلبية NeRFMeshing.

NeRFMeshing تم تصميمه لاستخراج شبكات دقيقة هندسيًا من الشبكات القائمة على NeRF المدربة بكفاءة. يمكن أن تنتج شبكات ثلاثية الأبعاد بهندسة دقيقة يمكن عرضها في الوقت الفعلي على أجهزة سلعة.

NeRFMeshing مبني على قمة شبكات NeRF المدربة من خلال إدخال هيكل جديد يسمى شبكة تقريب السطح الموقعة (SSAN). تعمل SSAN كخط أنابيب ما بعد المعالجة الذي يحدد سطح ومظهر عرض NeRF. إنها تولد شبكة مثلثية ثلاثية الأبعاد دقيقة للمشهد وتستخدم شبكة مظهر صغيرة لتوليد ألوان تعتمد على العرض. NeRFMeshing متوافق مع أي NeRF ويسمح بالتكامل السهل للتطورات الجديدة ، مثل التعامل الأفضل مع المشاهد غير المحدودة أو الكائنات العاكسة.

تحسب SSAN كلاً من حقل المسافة المقطوعة (TSDF) وحقل مظهر المعلم. من خلال استخدام الهندسة المقدرة لـ NeRF ووجهات النظر التدريبية ، يتم تقطير NeRF المدربة في نموذج SSAN. يتم بعد ذلك استخراج الشبكة ثلاثية الأبعاد من SSAN ويمكن عرضها على الأجهزة المضمنة باستخدام التنقيط وشبكة المظهر بمعدل إطارات مرتفع. هذه الطريقة مرنة للغاية ، مما يسمح بإنشاء شبكة ثلاثية الأبعاد سريعة لا تقتصر على المشاهد المتمحورة حول الكائن ، بل يمكنها أيضًا تصميم أسطح معقدة.

NeRFMeshing هي طريقة جديدة لالتقاط شبكات ثلاثية الأبعاد دقيقة من NeRFs. يمكن دمجها في أي شبكة NeRF موجودة ، مما يتيح استخدام التطورات في NeRF معها. مع هذا الاختراق ، يمكننا الآن استخراج شبكات ثلاثية الأبعاد دقيقة من NeRFs ، والتي يمكن استخدامها في مجالات مختلفة مثل AR / VR والروبوتات والقياس التصويري.