Sleutel wegneemetes
- Nvidia het onlangs met 'n tegniek gewys wat 2D-foto's binne sekondes in 3D-tonele verander.
- Die metode gebruik rekenaarkrag om te benader hoe lig in die regte wêreld optree.
- Die metaverse is een area waar 3D-tonele nuttig is omdat dit vanuit enige kamera-perspektief bekyk kan word.
Nuwe kunsmatige intelligensie-tegnologie (KI) van Nvidia kan binnekort 2D-foto's in net sekondes in 3D-tonele verander, wat die skepping van meeslepende virtuele ruimtes soos die metaverse net so triviaal soos woordverwerking maak.
Nvidia het onlangs die fotometode genaamd Instant NeRF gedemonstreer, wat rekenaarkrag gebruik om te benader hoe lig in die regte wêreld optree. Dit kan jou ou foto's in 'n videospeletjie-toneel omskep, of dit kan gebruik word om robotte en selfbesturende motors op te lei om die grootte en vorm van werklike voorwerpe te verstaan.
"3D-beelding bring 'n nuwe wêreld van transformasie," het Oren Debbi, die HUB van Visionary.ai, 'n rekenaarvisiemaatskappy wat sy 3D-algoritmes op die Nvidia-platform bestuur, in 'n e-posonderhoud aan Lifewire gesê. "Deur 3D te gebruik, boots jy werklike diepte in die toneel na en laat die beeld meer lewendig en realisties lyk. Behalwe AR/VR en industriële kameras, waar 3D baie algemeen is, sien ons nou dat dit op byna elke slimfoon gebruik word sonder die gebruiker weet selfs."
Voeg afmetings by
Die eerste kitsfoto, wat 75 jaar gelede met 'n Polaroid-kamera geneem is, het ten doel gehad om die 3D-wêreld vinnig in 'n 2D-beeld vas te vang. Nou werk KI-navorsers aan die teenoorgestelde: om 'n versameling stilbeelde binne sekondes in 'n digitale 3D-toneel te verander.
Bekend as omgekeerde weergawe, gebruik die proses KI om te benader hoe lig in die regte wêreld optree, wat navorsers in staat stel om 'n 3D-toneel te rekonstrueer vanuit 'n handvol 2D-beelde wat teen verskillende hoeke geneem is. Nvidia beweer hy het 'n benadering ontwikkel wat hierdie taak feitlik onmiddellik verrig.
Nvidia het hierdie benadering gebruik met 'n nuwe tegnologie genaamd neurale uitstralingsvelde, of NeRF. Die maatskappy sê die resultaat, genaamd Instant NeRF, is die vinnigste NeRF-tegniek tot nog toe. Die model benodig net sekondes om op 'n paar dosyn stilfoto's te oefen en kan dan die gevolglike 3D-toneel binne tientalle millisekondes weergee.
"As tradisionele 3D-voorstellings soos veelhoekige maas soortgelyk is aan vektorbeelde, is NeRF's soos bitmapbeelde: hulle vang die manier waarop lig uit 'n voorwerp of binne 'n toneel uitstraal dig vas,” David Luebke, visepresident vir grafiese navorsing by Nvidia, het in 'n nuusvrystelling gesê: "In daardie sin kan Instant NeRF net so belangrik wees vir 3D as wat digitale kameras en JPEG-kompressie vir 2D-fotografie was - wat die spoed, gemak en reikwydte van 3D-opname en -deling aansienlik verhoog."
Om data in te samel om 'n NeRF te voed, vereis dat die neurale netwerk 'n paar dosyn beelde neem wat van verskeie posisies rondom die toneel geneem is, sowel as die kameraposisie van elk van daardie skote.
Die NeRF lei 'n klein neurale netwerk op om die toneel te rekonstrueer deur die kleur van lig te voorspel wat in enige rigting uitstraal, vanaf enige punt in 3D-ruimte.
Die appèl van 3D
Die metaverse is een area waar 3D-tonele nuttig is omdat dit vanuit enige kamera-perspektief bekyk kan word, het Brad Quinton, stigter van die Perceptus Platform for augmented reality (AR), in 'n e-posonderhoud aan Lifewire gesê. Net soos ons in die werklike lewe deur 'n kamer kan loop en die inhoud daarvan vanuit baie verskillende hoeke kan sien, met 'n gerekonstrueerde 3D-toneel, kan ons feitlik deur 'n ruimte beweeg en dit vanuit enige perspektief bekyk.
"Dit kan veral nuttig wees om omgewings te skep vir gebruik in virtuele realiteit," het Quinton gesê.
Programme soos Apple se Object Capture gebruik 'n tegniek genaamd fotogrammetrie om virtuele 3D-voorwerpe uit 'n reeks 2D-beelde te skep. Die 3D-modelle sal op groot skaal in virtuele realiteit en AR-toepassings gebruik word, het Quinton voorspel. Sommige KI's, soos die een in die Perceptus AR-platform, gebruik byvoorbeeld 3D-modelle om 'n begrip van die werklike wêreld te skep, wat voorsiening maak vir intydse AR-toepassings.
Die gebruik van 3D-beelde boots ook werklike diepte in 'n toneel na en laat die beeld meer lewendig en realisties lyk, het Debbi gesê. Om 'n Bokeh-effek (ook bekend as portretmodus of filmmodus) te skep, is 3D-dieptekartering nodig. Die tegniek word op byna elke slimfoon gebruik.
"Dit is reeds die standaard vir professionele videograwe wat flieks verfilm, en dit word die standaard vir elke verbruiker," het Debbi bygevoeg.
