Süni intellekt (AI) və hesablama sahəsində son nailiyyətlər yüksək reallığa malik media, virtual reallıq (VR) mühitləri və video oyunları yaratmaq üçün yeni alətlərin hazırlanmasına imkan verib. Bu vasitələrin bir çoxu indi bütün dünyada qrafik dizaynerləri, cizgi filmi yaradıcıları və video oyun tərtibatçıları tərəfindən geniş istifadə olunur.

Virtual və rəqəmsal olaraq yaradılmış mühitlərin real surətdə çoxaldılması çətin olan cəhətlərindən biri parçalardır. Gerçək parçalara əsaslanan əşyaların (məsələn, eşarplar, yorğanlar, yastıqlar, paltarlar və s.) rəqəmsal dizaynı üçün artıq müxtəlif hesablama alətləri mövcud olsa da , bu parçaların real vaxt rejimində real təsvirlərini yaratmaq və redaktə etmək çətin ola bilər.

Şandunq Universiteti və Nankinq Universitetinin tədqiqatçıları bu yaxınlarda toxunmuş parçaların real vaxt rejimində göstərilməsi üçün yeni yüngül süni neyron şəbəkəsini təqdim ediblər. Kompüter Qrafikası və İnteraktiv Texnikalar üzrə Xüsusi Maraq Qrupunun Konfrans Məqalələri ’24-ün bir hissəsi kimi dərc edilmiş məqalədə təqdim edilən onların təklif etdiyi şəbəkə, parçaların naxışlarını və parametrlərini kiçik bir gizli vektor kimi kodlaşdırmaqla işləyir və bu, sonradan şərh edilə bilər. müxtəlif parçaların real təsvirlərini yaratmaq üçün dekoder.

Kağızın həmmüəllifi Xiang Chen Tech Xplore-a bildirib ki, “Bizim məqaləmiz real vaxt rejimində virtual dünyanın realizmini yaxşılaşdırmaq istəyindən irəli gəlir “. “Kumaşlar geniş şəkildə istifadə olunur və realizmə təsir edir, buna görə də real parçaları real vaxtda göstərmək üçün bir üsul mütləqdir. Biz aşkar etdik ki, ən son səth əsaslı parça modelləri yüngül, lakin realdır və bu, real vaxtda parça göstərilməsi üçün əsas yaradır. buna görə də buna nail olmaq üçün bir üsul təklif etməyə çalışdıq”.

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=135&slotname=2793866484&adk=675901022&adf=1873531024&pi=t.ma~as.2793866484&w=540&abgtt=6&fwrn=4&lmt=1721854613&rafmt=11&format=540×135&url=https%3A%2F%2Ftechxplore.com%2Fnews%2F2024-07-lightweight-neural-network-enables-realistic.html&wgl=1&uach=WyJXaW5kb3dzIiwiMTAuMC4wIiwieDg2IiwiIiwiMTI2LjAuNjQ3OC4xODMiLG51bGwsMCxudWxsLCI2NCIsW1siTm90L0EpQnJhbmQiLCI4LjAuMC4wIl0sWyJDaHJvbWl1bSIsIjEyNi4wLjY0NzguMTgzIl0sWyJHb29nbGUgQ2hyb21lIiwiMTI2LjAuNjQ3OC4xODMiXV0sMF0.&dt=1721854454026&bpp=6&bdt=970&idt=481&shv=r20240722&mjsv=m202407180101&ptt=9&saldr=aa&abxe=1&cookie=ID%3D9ead181ef67abbaa%3AT%3D1721801884%3ART%3D1721854444%3AS%3DALNI_MYoq0akGsLUXhAUIhnaG6TQeS4STg&eo_id_str=ID%3Db268401c0e4aeef7%3AT%3D1721801884%3ART%3D1721854444%3AS%3DAA-AfjYSUg2K_FFfwOkLTloH9McJ&prev_fmts=0x0%2C1423x739&nras=2&correlator=7951051193818&frm=20&pv=1&ga_vid=1057348607.1721801883&ga_sid=1721854454&ga_hid=19351898&ga_fc=1&rplot=4&u_tz=240&u_his=1&u_h=900&u_w=1440&u_ah=860&u_aw=1440&u_cd=24&u_sd=1&dmc=8&adx=347&ady=1582&biw=1423&bih=739&scr_x=0&scr_y=0&eid=44759876%2C44759927%2C44759837%2C42532243%2C95334526%2C95334830%2C95337027%2C95337868%2C95338253%2C31084187%2C31078663%2C31078665%2C31078668%2C31078670&oid=2&pvsid=962430699398024&tmod=153846045&uas=0&nvt=3&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1440%2C0%2C1440%2C860%2C1440%2C739&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=0&psd=W251bGwsbnVsbCwibGFiZWxfb25seV80IiwxXQ..&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=M

Toxunmuş parça naxışları (yəni, toxunmuş saplardan əmələ gələn toxuculuqda müşahidə edilən naxışlar) müntəzəm və təkrarlanan olur. Chen və onun həmkarları real vaxtda real renderləri təmin etmək üçün təkrarlanan təbiətlərindən istifadə etməyə başladılar.

Onların hazırladıqları alqoritm əvvəlcə toxunmuş parçaların müntəzəm naxışlarını kiçik gizli vektora kodlayır. Sonra bu vektor kiçik bir dekoder tərəfindən işlənir, onu şərh edir və verilmiş parçanın real təsvirlərini yaratmaq üçün içindəki kodlanmış məlumatdan istifadə edir.

“Biz kodlayıcı-dekoder strukturu ilə neyron şəbəkəsi təklif edirik” deyə Çen izah etdi.

“Toxunmuş parça materiallarını gizli vektorlara kodlaşdırmaqla, şəbəkəmiz təlim keçdikdən sonra bir çox toxunmuş parça növlərini təmsil edə bilər. Bundan əlavə, hədəfimizin paylanmasının mürəkkəb olduğunu, lakin bir-birindən ayrıla biləcəyini gördük. Beləliklə, biz bunu dörd daha sadə hissəyə ayırırıq və yüngül çəkiyə imkan veririk. onları təmsil etmək üçün dekoder.”

Tədqiqatçılar tərəfindən hazırlanmış şəbəkə kiçik və yüngül olsa da, bir çox növ parçaların real reproduksiyalarını effektiv və sürətlə yaratdığı aşkar edilmişdir. Keçmişdə tətbiq edilən digər hesablama yanaşmalarından fərqli olaraq, o, həmçinin real vaxt rejimində göstərilən parçaların göstərilməsinə və sonradan redaktə edilməsinə imkan verir.

İlkin sınaqlarda Çen və onun həmkarları göstərdilər ki, onların alqoritmi NVIDIA RTX 3090 qrafik kartında saniyədə 60 kadr sürətlə toxunmuş parçaları göstərməyə və redaktə etməyə imkan verir. Qeyd edək ki, o, həm də görünən səs-küydən və nəzərə çarpan qüsurlardan azad olan yüksək keyfiyyətli təsvirlər yarada bilər.

Gələcəkdə komandanın neyron şəbəkəsi qrafik dizayn platformalarına inteqrasiya oluna bilər ki, bu da dizaynerlərə yaratdıqları videooyunların və ya animasiyaların realizmini daha da təkmilləşdirməyə imkan verir. Bu arada, Çen və onun həmkarları alqoritmlərinin imkanlarını genişləndirməyi planlaşdırır, məsələn, toxunmuş parçalardan başqa digər tekstilləri real şəkildə təkrar istehsal etməyə imkan verir.

“Material təmsil modellərini real vaxt rejimində təqdim etməklə bizim yanaşmamız video oyunlar kimi müxtəlif real dünya tətbiqlərinin realizmini daha da təkmilləşdirə bilər”, – Çen əlavə edib.

“Hazırda metodumuz yalnız toxunmuş parçalara dəstək verir, lakin biz tezliklə onu trikotaj parçalar kimi digər parça növlərinə də genişləndirmək istəyirik. Tədqiq etməyi planlaşdırdığımız digər istiqamət daha mürəkkəb parçaların təmsilidir.”

Daha çox məlumat: Xiang Chen et al, Real-time Neural Woven Fabric Rendering, Kompüter Qrafikası və İnteraktiv Texnikalar üzrə Xüsusi Maraq Qrupu Konfrans Konfransı Sənədləri ’24 (2024). DOI: 10.1145/3641519.3657496 . arXiv -də : DOI: 10.48550/arxiv.2406.17782

Jurnal məlumatı: arXiv