در ساعات گذشته کلیپی در بستر های ارتباطی پخش شده است که ویدئویی کامل را از داخل یک خانه نشان می دهد که با استفاده از هوش مصنوعی و فقط با اتکا بر مجموعه ای از تصاویر ساخته شده است.

از جمله مدل های مورد استفاده برای این فرآیند می توان به مدل Neural Radiance Field اشاره کرد که برای تبدیل مختصات مکانی به رنگ ها و شدت های حجمی استفاده می شود. با این حال، این مدل اغلب از اختلاف اندازه رنج می برد که باعث شکسته شدن خطوط و از بین رفتن محتوای تصاویر می شود.

برای حل این مشکل از Instant NGP با فناوری mip-NeRF ۳۶۰ استفاده شده است که از روشی برای برخورد با قطعات کوچک داخل صحنه متفاوت از روش سنتی استفاده می کند که جریان زیبایی را که هنگام حرکت در داخل اتاق های خانه ظاهر می شود، نشان می دهد.

با استفاده از تکنیک های رندر و پردازش سیگنال، روشی توسعه یافته که مدل های مبتنی بر شبکه های مش و فناوری mip-NeRF ۳۶۰ را ترکیب می کند که میزان خطا را ۸ تا ۷۶ درصد نسبت به روش های قبلی کاهش می دهد.

اگرچه ژنراتورهای سه بعدی Neural Radiance Field عمدتا در انیمیشن و بازی استفاده می شوند، اما در آینده ممکن است استفاده از آنها به سایر برنامه ها مانند رباتیک و عکاسی محصول نیز گسترش یابد.

در نهایت، فناوری شتاب در فرآیند آموزش مولدهای تصویر سه بعدی به صورت یکپارچه برای توسعه انیمیشن و بازی های بصری حائز اهمیت است و با اصلاحات انجام شده در mip-NeRF ۳۶۰ و فناوری های مرتبط، می توان به مزایای بیشتری در این زمینه دست یافت.

منبع: ۲۴.ae