در ساعات گذشته کلیپی در بستر‌های ارتباطی پخش شده است که ویدئویی کامل را از داخل یک خانه نشان می‌دهد که با استفاده از هوش مصنوعی و فقط با اتکا بر مجموعه‌ای از تصاویر ساخته شده است.

از جمله مدل‌های مورد استفاده برای این فرآیند می‌توان به مدل Neural Radiance Field اشاره کرد که برای تبدیل مختصات مکانی به رنگ‌ها و شدت‌های حجمی استفاده می‌شود. با این حال، این مدل اغلب از اختلاف اندازه رنج می‌برد که باعث شکسته شدن خطوط و از بین رفتن محتوای تصاویر می‌شود.

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 می‌کند که جریان زیبایی را که هنگام حرکت در داخل اتاق‌های خانه ظاهر می‌شود، نشان می‌دهد.

با استفاده از تکنیک‌های رندر و پردازش سیگنال، روشی توسعه یافته که مدل‌های مبتنی بر شبکه‌های مش و فناوری mip-NeRF ۳۶۰ را ترکیب می‌کند که میزان خطا را ۸ تا ۷۶ درصد نسبت به روش‌های قبلی کاهش می‌دهد.

اگرچه ژنراتورهای سه بعدی Neural Radiance Field عمدتاً 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 360 و فناوری های مرتبط، می توان به مزایای بیشتری در این زمینه دست یافت.

منبع: 24.ae