तंत्रिका नेटवर्क ग्राफिक्स ने कैसे मदद की

1943 में, अमेरिकी न्यूरोसाइकोलॉजिस्ट्स मैकक्लॉक और पिट्स ने एक तंत्रिका नेटवर्क का एक कंप्यूटर मॉडल विकसित किया और 1958 में पहली बार काम करने वाले सिंगल-लेयर नेटवर्क ने कुछ अक्षरों को पहचाना। अब, तंत्रिका नेटवर्क का उपयोग केवल इस बात के लिए नहीं किया जाता है: विनिमय दर का अनुमान लगाने के लिए, रोगों का निदान करने के लिए, ऑटोपिलॉट्स और कंप्यूटर गेम में ग्राफिक्स का निर्माण करें। बस आखिरी और बात के बारे में।

इवगेनी टूमनोव एनवीआईडीआईए में डीप लर्निंग इंजीनियर के रूप में काम करता है। हाईलाड ++ सम्मेलन में उनके भाषण के परिणामों के आधार पर, हमने ग्राफिक्स में मशीन लर्निंग और डीप लर्निंग के उपयोग के बारे में एक कहानी तैयार की। मशीन लर्निंग एनएलपी, कंप्यूटर विजन, सिफारिश प्रणाली और खोज कार्यों के साथ समाप्त नहीं होती है। यहां तक ​​कि अगर आप इस क्षेत्र से बहुत परिचित नहीं हैं, तो आप अपने क्षेत्र या उद्योग में लेख से सर्वोत्तम प्रथाओं को लागू कर सकते हैं।


कहानी में तीन भाग होंगे। हम ग्राफ़ में उन कार्यों की समीक्षा करेंगे जो मशीन सीखने की मदद से हल किए गए हैं, मुख्य विचार प्राप्त करते हैं, और इस विचार को एक विशिष्ट कार्य में लागू करने के मामले का वर्णन करते हैं, और विशेष रूप से बादलों के प्रतिपादन में ।

ग्राफिक्स में पर्यवेक्षित डीएल / एमएल, या ग्राफिक्स में शिक्षक प्रशिक्षण

आइए कार्यों के दो समूहों का विश्लेषण करें। शुरू करने के लिए, हम संक्षेप में उन्हें निरूपित करते हैं।

वास्तविक दुनिया या रेंडर इंजन :

• विश्वसनीय एनिमेशन का निर्माण: हरकत, चेहरे का एनीमेशन।
• पोस्ट-प्रोसेसिंग प्रदान की गई छवियाँ: सुपरसमलिंग, एंटी-अलियासिंग।
• धीमेपन: फ्रेम इंटरपोलेशन।
• सामग्री का सृजन।

कार्यों के दूसरे समूह को अब पारंपरिक रूप से " हेवी एल्गोरिथ्म " कहा जाता है। हम ऐसे कार्यों को शामिल करते हैं जैसे जटिल वस्तुएं, जैसे कि बादल, और भौतिक सिमुलेशन : पानी, धुआं।

हमारा लक्ष्य दो समूहों के बीच मूलभूत अंतर को समझना है। आइए कार्यों पर अधिक विस्तार से विचार करें।

विश्वसनीय एनिमेशन का निर्माण: हरकत, चेहरे का एनीमेशन

पिछले कुछ वर्षों में, कई लेख सामने आए हैं , जहां शोधकर्ता सुंदर एनिमेशन बनाने के लिए नए तरीके पेश करते हैं। कलाकारों के काम का उपयोग करना महंगा है, और उन्हें एल्गोरिथ्म के साथ बदलना सभी के लिए बहुत फायदेमंद होगा। एक साल पहले, NVIDIA में, हम एक ऐसी परियोजना पर काम कर रहे थे जिसमें हम खेल में पात्रों के चेहरे के एनीमेशन में लगे थे: नायक के चेहरे को भाषण के ऑडियो ट्रैक के साथ सिंक्रनाइज़ कर रहे थे। हमने चेहरे को "पुनर्जीवित" करने की कोशिश की ताकि इस पर हर बिंदु आगे बढ़े, और सभी होंठों के ऊपर, क्योंकि यह एनीमेशन में सबसे कठिन क्षण है। महंगा और लंबे समय तक ऐसा करने के लिए मैन्युअल रूप से एक कलाकार। इस समस्या को हल करने और इसके लिए डेटासेट बनाने के लिए क्या विकल्प हैं?

पहला विकल्प स्वरों की पहचान करना है: स्वरों पर मुंह खुलता है, व्यंजन पर मुंह बंद होता है । यह एक सरल एल्गोरिथ्म है, लेकिन बहुत सरल है। खेलों में, हम अधिक गुणवत्ता चाहते हैं। दूसरा विकल्प यह है कि लोगों को विभिन्न ग्रंथों को पढ़ने और उनके चेहरे को लिखने के लिए, और फिर उन अक्षरों की तुलना करें जो वे चेहरे के भावों के साथ उच्चारण करते हैं। यह एक अच्छा विचार है, और हमने रेमेडी एंटरटेनमेंट के साथ एक संयुक्त परियोजना में ऐसा किया। अंतर केवल इतना है कि खेल में हम एक वीडियो नहीं दिखा रहे हैं, लेकिन डॉट्स का एक 3 डी मॉडल है। एक डेटासेट को इकट्ठा करने के लिए, आपको यह समझने की आवश्यकता है कि चेहरे पर कैसे विशिष्ट बिंदु हैं। हमने अभिनेताओं को लिया, अलग-अलग इंटों के साथ ग्रंथों को पढ़ने के लिए कहा, विभिन्न कोणों से बहुत अच्छे कैमरों पर शूट किया, जिसके बाद हमने प्रत्येक फ्रेम पर चेहरे के 3 डी मॉडल को बहाल किया, और ध्वनि द्वारा चेहरे पर बिंदुओं की स्थिति की भविष्यवाणी की।

रेंडर इमेज पोस्ट-प्रोसेसिंग: सुपरसमलिंग, एंटी-अलियासिंग

एक विशिष्ट गेम से एक मामले पर विचार करें: हमारे पास एक इंजन है जो विभिन्न प्रस्तावों में छवियों को उत्पन्न करता है। हम 1000 × 500 पिक्सल के एक संकल्प में छवि को प्रस्तुत करना चाहते हैं, और खिलाड़ी को 2000 × 1000 दिखाते हैं - यह प्रेटियर होगा। इस कार्य के लिए डेटासेट कैसे इकट्ठा करें?

पहले छवि को उच्च रिज़ॉल्यूशन में प्रस्तुत करें, फिर गुणवत्ता कम करें, और फिर छवि को कम रिज़ॉल्यूशन से उच्च रिज़ॉल्यूशन में बदलने के लिए सिस्टम को प्रशिक्षित करने का प्रयास करें।

धीमेपन: फ्रेम इंटरपोलेशन

हमारे पास एक वीडियो है, और हम चाहते हैं कि नेटवर्क बीच-बीच में फ़्रेम जोड़े जाए - फ़्रेमों को प्रक्षेपित करने के लिए। यह विचार स्पष्ट है - बड़ी संख्या में फ़्रेम के साथ एक वास्तविक वीडियो शूट करने के लिए, मध्यवर्ती लोगों को हटा दें और यह अनुमान लगाने की कोशिश करें कि नेटवर्क द्वारा क्या हटाया गया था।

सामग्री निर्माण

हम सामग्री के उत्पादन पर ज्यादा ध्यान नहीं देंगे। इसका सार यह है कि हम उदाहरण के लिए, कई कोणों पर लकड़ी का एक टुकड़ा लेते हैं, और अपने कोणों से दृश्य को प्रक्षेपित करते हैं।

हमने समस्याओं के पहले समूह की जांच की। दूसरा मौलिक रूप से अलग है। हम बाद में बादलों जैसे जटिल वस्तुओं के प्रतिपादन के बारे में बात करेंगे, लेकिन अब हम भौतिक सिमुलेशन से निपटेंगे।

पानी और धुएँ का भौतिक सिमुलेशन

एक ऐसे पूल की कल्पना करें जिसमें ठोस पदार्थ स्थित हों। हम द्रव कणों की गति की भविष्यवाणी करना चाहते हैं। पूल में समय टी में कण होते हैं, और समय टी + want पर हम उनकी स्थिति प्राप्त करना चाहते हैं। प्रत्येक कण के लिए, हम एक तंत्रिका नेटवर्क को कॉल करते हैं और एक उत्तर प्राप्त करते हैं कि यह अगले फ्रेम पर कहां होगा।

समस्या को हल करने के लिए, हम नवियर-स्टोक्स समीकरण का उपयोग करते हैं , जो एक द्रव की गति का वर्णन करता है। पानी के एक प्रशंसनीय, शारीरिक रूप से सही सिमुलेशन के लिए, हमें इसके समीकरण या अनुमान को हल करना होगा। यह एक कम्प्यूटेशनल तरीके से किया जा सकता है, जिनमें से कई का आविष्कार पिछले 50 वर्षों में किया गया है: एसपीएच, एफएलआईपी, या स्थिति आधारित द्रव एल्गोरिथ्म।

दूसरे से कार्यों के पहले समूह के बीच अंतर

पहले समूह में, एल्गोरिथ्म के लिए शिक्षक कुछ ऊपर है: वास्तविक जीवन से एक रिकॉर्डिंग, जैसा कि व्यक्तियों के मामले में, या इंजन से कुछ, उदाहरण के लिए, चित्र प्रदान करना। समस्याओं के दूसरे समूह में, हम कम्प्यूटेशनल गणित की विधि का उपयोग करते हैं। इस विषयगत विभाजन से, एक विचार बढ़ता है।

मुख्य विचार

हमारे पास कम्प्यूटेशनल रूप से जटिल कार्य है जो शास्त्रीय कंप्यूटिंग विश्वविद्यालय विधि द्वारा हल करने के लिए लंबा, कठिन और कठिन है। इसे हल करने के लिए और तेजी लाने के लिए, शायद गुणवत्ता में थोड़ा भी नुकसान हो, हमें इसकी आवश्यकता है:

• उस कार्य में सबसे अधिक समय लेने वाली जगह ढूंढें जहां कोड सबसे लंबे समय तक रहता है;
• देखें कि यह रेखा क्या पैदा करती है;
• एक तंत्रिका नेटवर्क या किसी अन्य मशीन लर्निंग एल्गोरिदम का उपयोग करके एक पंक्ति के परिणाम की भविष्यवाणी करने का प्रयास करें।

यह एक सामान्य कार्यप्रणाली है और मुख्य विचार यह है कि मशीन सीखने के लिए आवेदन कैसे खोजा जाए। इस विचार को उपयोगी बनाने के लिए आपको क्या करना चाहिए? कोई सटीक उत्तर नहीं है - रचनात्मकता का उपयोग करें, अपने काम को देखें और इसे खोजें। मैं ग्राफिक्स करता हूं, और अन्य क्षेत्रों से परिचित नहीं हूं, लेकिन मैं कल्पना कर सकता हूं कि शैक्षणिक वातावरण में - भौतिकी, रसायन विज्ञान, रोबोटिक्स में - आप निश्चित रूप से आवेदन पा सकते हैं। यदि आप अपने कार्यस्थल में एक जटिल भौतिक समीकरण को हल करते हैं, तो आप इस विचार के लिए आवेदन भी पा सकते हैं। स्पष्टता के लिए, एक विशिष्ट मामले पर विचार करें।

क्लाउड रेंडरिंग कार्य

हम छह महीने पहले एनवीआईडीआईए में इस परियोजना में लगे हुए थे: कार्य एक शारीरिक रूप से सही क्लाउड को आकर्षित करना है, जिसे अंतरिक्ष में तरल बूंदों के घनत्व के रूप में दर्शाया गया है।

एक क्लाउड एक भौतिक रूप से जटिल वस्तु है, तरल बूंदों का एक निलंबन जो एक ठोस वस्तु के रूप में मॉडलिंग नहीं की जा सकती है।

एक बनावट को लागू करना और बादल पर रेंडर करना संभव नहीं होगा, क्योंकि पानी की बूंदें मुश्किल से ज्यामितीय रूप से 3 डी अंतरिक्ष में स्थित हैं और अपने आप में जटिल हैं: वे व्यावहारिक रूप से रंग को अवशोषित नहीं करते हैं, लेकिन इसे प्रतिबिंबित करते हैं, अनिसोट्रोपिक - अलग-अलग तरीकों से सभी दिशाओं में।

यदि आप पानी की एक बूंद को देखते हैं, जिस पर सूरज चमकता है, और आंख से वैक्टर और एक बूंद पर सूरज समानांतर है, तो प्रकाश की तीव्रता का एक बड़ा शिखर देखा जाएगा। यह उस भौतिक घटना की व्याख्या करता है जिसे सभी ने देखा है: धूप के मौसम में, बादलों की सीमाओं में से एक बहुत उज्ज्वल है, लगभग सफेद। हम बादल की सीमा को देख रहे हैं, और इस सीमा से सूर्य तक दृष्टि और सदिश रेखा लगभग समानांतर हैं।


क्लाउड एक भौतिक रूप से जटिल वस्तु है और शास्त्रीय एल्गोरिथ्म द्वारा इसके प्रतिपादन के लिए बहुत समय की आवश्यकता होती है। हम थोड़ी देर बाद शास्त्रीय एल्गोरिदम के बारे में बात करेंगे। मापदंडों के आधार पर, प्रक्रिया में घंटे या दिन भी लग सकते हैं। कल्पना कीजिए कि आप एक कलाकार हैं और विशेष प्रभावों के साथ फिल्म बनाते हैं। आपके पास विभिन्न प्रकाश व्यवस्था के साथ एक जटिल दृश्य है जिसे आप खेलना चाहते हैं। हमने एक क्लाउड टोपोलॉजी को आकर्षित किया - मुझे यह पसंद नहीं है, और आप इसे फिर से तैयार करना चाहते हैं और वहां एक उत्तर प्राप्त करना चाहते हैं। जितनी जल्दी हो सके एक पैरामीटर परिवर्तन से उत्तर प्राप्त करना महत्वपूर्ण है। यह एक समस्या है। इसलिए, आइए इस प्रक्रिया को तेज करने का प्रयास करें।

क्लासिक समाधान

समस्या को हल करने के लिए, आपको इस जटिल समीकरण को हल करने की आवश्यकता है।


समीकरण कठोर है, लेकिन आइए इसके भौतिक अर्थ को समझते हैं। एक बादल भेदी एक बादल द्वारा छेदा बीम पर विचार करें। इस दिशा में प्रकाश कैमरे में कैसे प्रवेश करता है? सबसे पहले, प्रकाश बादल से किरण के बाहर निकलने के बिंदु तक पहुंच सकता है, और फिर बादल के अंदर इस किरण के साथ प्रचार कर सकता है।

"दिशा के साथ प्रकाश प्रसार" की दूसरी विधि के लिए समीकरण का अभिन्न शब्द है। इसका भौतिक अर्थ इस प्रकार है।

किरण पर बादल के अंदर खंड पर विचार करें - प्रवेश बिंदु से निकास बिंदु तक। इस सेगमेंट पर इंटीग्रेशन को सटीक रूप से किया जाता है, और इस पर प्रत्येक बिंदु के लिए हम तथाकथित अप्रत्यक्ष प्रकाश ऊर्जा L (x, () पर विचार करते हैं - अभिन्न I ₁ का अर्थ - बिंदु पर अप्रत्यक्ष प्रकाश। यह इस तथ्य के कारण दिखाई देता है कि विभिन्न तरीकों से बूँदें सूर्य के प्रकाश को दर्शाती हैं। तदनुसार, आसपास की बूंदों से मध्यस्थता वाली किरणों की एक बड़ी मात्रा बिंदु पर आती है। I ₁ उस क्षेत्र पर अभिन्न है जो किरण पर एक बिंदु को घेरे हुए है। शास्त्रीय एल्गोरिथ्म में, इसे मोंटे कार्लो पद्धति का उपयोग करके गिना जाता है।

क्लासिक एल्गोरिथ्म।

• पिक्सेल से एक चित्र रेंडर करें, और एक किरण का उत्पादन करें जो कैमरे के केंद्र से पिक्सेल तक जाता है और फिर आगे।
• हम बीम को क्लाउड के साथ पार करते हैं, हम प्रवेश और निकास बिंदु पाते हैं।
• हम समीकरण के अंतिम शब्द पर विचार करते हैं: पार करने के लिए, सूरज के साथ कनेक्ट करें।
• सैंपल लेना शुरू किया

मोंटे कार्लो अनुमान ₁ पर विचार कैसे करें हम विश्लेषण नहीं करेंगे, क्योंकि यह मुश्किल है और इतना महत्वपूर्ण नहीं है। यह कहने के लिए पर्याप्त है कि यह पूरे एल्गोरिथ्म में सबसे लंबा और सबसे कठिन हिस्सा है।

हम तंत्रिका नेटवर्क कनेक्ट करते हैं

शास्त्रीय एल्गोरिथ्म के मुख्य विचार और विवरण से, इस कार्य के लिए तंत्रिका नेटवर्क को कैसे लागू किया जाए, इस पर एक नुस्खा है। सबसे मुश्किल काम मोंटे कार्लो स्कोर की गणना करना है। यह एक संख्या देता है जिसका अर्थ है एक बिंदु पर अप्रत्यक्ष प्रकाश, और यह वही है जो हम भविष्यवाणी करना चाहते हैं।


हमने बाहर निकलने का फैसला किया है, अब हम प्रवेश द्वार को समझेंगे - जिस जानकारी से यह स्पष्ट होगा कि बिंदु पर अप्रत्यक्ष प्रकाश का परिमाण क्या है। यह वह प्रकाश है जो बिंदु को घेरने वाली पानी की कई बूंदों से परिलक्षित होता है। प्रकाश टोपोलॉजी दृढ़ता से प्रभावित होता है बिंदु के चारों ओर घनत्व टोपोलॉजी, स्रोत की दिशा और कैमरे की दिशा।


तंत्रिका नेटवर्क के प्रवेश द्वार का निर्माण करने के लिए, हम स्थानीय घनत्व का वर्णन करते हैं। ऐसा करने के कई तरीके हैं, लेकिन हमने डीप स्कैटरिंग: रेंडरिंग एटमॉस्फेरिक क्लाउड्स विद रेडिएशन प्रीडिक्टिंग न्यूरल नेटवर्क्स, कल्लवित एट अल। 2017 और वहाँ से कई विचार आए।

संक्षेप में, एक बिंदु के आसपास घनत्व के स्थानीय प्रतिनिधित्व की विधि इस तरह दिखती है।

• काफी छोटा स्थिरांक ठीक करें । यह बादल में मतलब मुक्त पथ हो।
  
• हमारे खंड पर एक बिंदु के चारों ओर एक निश्चित आकार का एक आयताकार आयताकार ड्रा करें , 5 * 5 * 9 कहें। इस घन के केंद्र में हमारी बात होगी। ग्रिड रिक्ति एक निश्चित स्थिर है। ग्रिड नोड्स में हम बादल के घनत्व को मापेंगे।
• चलो लगातार 2 गुना बढ़ाते हैं , एक बड़ा ग्रिड खींचते हैं, और ऐसा ही करते हैं - ग्रिड के नोड्स पर घनत्व को मापते हैं।
• पिछले चरण को कई बार दोहराएं । हमने यह 10 बार किया, और प्रक्रिया के बाद हमें 10 ग्रिड मिले - 10 टेनर्स, जिनमें से प्रत्येक क्लाउड घनत्व को संग्रहीत करता है, और टेनर्स में से प्रत्येक बिंदु के आसपास एक तेजी से बड़े पड़ोस को कवर करता है।

यह दृष्टिकोण हमें एक छोटे से क्षेत्र का सबसे विस्तृत विवरण देता है - बिंदु के जितना करीब, उतना विस्तृत विवरण। नेटवर्क के आउटपुट और इनपुट पर निर्णय लिया गया है, यह समझना है कि इसे कैसे प्रशिक्षित किया जाए।

गाड़ी

हम विभिन्न टोपोलॉजी के साथ 100 अलग-अलग बादल उत्पन्न करेंगे। हम केवल शास्त्रीय एल्गोरिथ्म का उपयोग करके उन्हें प्रस्तुत करेंगे, यह लिखें कि एल्गोरिथ्म बहुत लाइन में क्या प्राप्त करता है जहां यह मोंटे कार्लो एकीकरण करता है, और उन गुणों को लिखते हैं जो बिंदु के अनुरूप हैं। तो हम एक डाटासेट प्राप्त करते हैं जिस पर सीखना है।

क्या पढ़ाया जाए, या नेटवर्क आर्किटेक्चर

इस कार्य के लिए नेटवर्क वास्तुकला सबसे महत्वपूर्ण क्षण नहीं है, और यदि आप कुछ भी नहीं समझते हैं - चिंता न करें - यह सबसे महत्वपूर्ण बात नहीं है जिसे मैं बताना चाहता था। हमने निम्नलिखित आर्किटेक्चर का उपयोग किया: प्रत्येक बिंदु के लिए 10 टेनर्स हैं, जिनमें से प्रत्येक की गणना एक बड़े पैमाने पर बड़े ग्रिड पर की जाती है। इनमें से प्रत्येक टेंसर्स संबंधित ब्लॉक में आते हैं।

• सबसे पहले नियमित रूप से पूरी तरह से जुड़े परत में ।
• पहली पूरी तरह से जुड़ी हुई परत से बाहर निकलने के बाद, दूसरी पूरी तरह से जुड़ी हुई परत में, जिसकी सक्रियता नहीं है।

सक्रियण के बिना एक पूरी तरह से जुड़ा हुआ परत केवल एक मैट्रिक्स द्वारा गुणा है। मैट्रिक्स द्वारा गुणा करने के परिणामस्वरूप हम पिछले अवशिष्ट-ब्लॉक से आउटपुट जोड़ते हैं, और उसके बाद ही सक्रियण लागू करते हैं।


हम एक बिंदु लेते हैं, प्रत्येक ग्रिड पर मूल्यों की गणना करते हैं, प्राप्त टेंसरों को इसी अवशिष्ट ब्लॉक में डालते हैं - और आप नेटवर्क के तंत्रिका नेटवर्क - उत्पादन-मोड का संचालन कर सकते हैं। हमने ऐसा किया और सुनिश्चित किया कि हमें बादलों की तस्वीरें मिलें।

परिणाम

पहला अवलोकन - हमें वह मिला जो हम चाहते थे: मोंटे कार्लो अनुमान की तुलना में एक तंत्रिका नेटवर्क कॉल, तेजी से काम करता है, जो पहले से ही अच्छा है।

लेकिन प्रशिक्षण के परिणामों पर एक और अवलोकन है - यह नमूनों की संख्या में अभिसरण है। क्या बात कर रहे हो


चित्र प्रस्तुत करते समय, आइए इसे छोटी टाइलों में काटें - पिक्सेल के वर्ग, 16 * 16 कहें। व्यापकता के नुकसान के बिना एक छवि टाइल पर विचार करें। जब हम इस टाइल को प्रस्तुत करते हैं, तो कैमरे से प्रत्येक पिक्सेल के लिए हम एक पिक्सेल के अनुरूप बहुत सारी किरणों को छोड़ते हैं, और किरणों में थोड़ा सा शोर जोड़ते हैं ताकि वे थोड़ा अलग हों। इन किरणों को एंटी-अलियासिंग कहा जाता है और अंतिम छवि में शोर को कम करने के लिए आविष्कार किया जाता है।

• हम प्रत्येक पिक्सेल के लिए कई एंटी-अलियासिंग किरणों को छोड़ते हैं।
• कैमरे से बीम के अंदर, बादल में, एक खंड पर, हम उन बिंदुओं के एन नमूनों की गणना करते हैं, जिन पर हम एक मोंटे कार्लो मूल्यांकन करना चाहते हैं, या उनके लिए एक नेटवर्क कॉल करते हैं।

अभी भी नमूने हैं जो प्रकाश स्रोतों के साथ कनेक्शन के अनुरूप हैं। वे तब प्रकट होते हैं जब हम किसी बिंदु को प्रकाश स्रोत से जोड़ते हैं, उदाहरण के लिए, सूर्य के साथ। यह करना आसान है, क्योंकि सूर्य एक दूसरे के समानांतर पृथ्वी पर गिरने वाली किरणें हैं। उदाहरण के लिए, आकाश, एक प्रकाश स्रोत के रूप में, बहुत अधिक जटिल है, क्योंकि यह एक असीम रूप से दूर के क्षेत्र के रूप में प्रकट होता है, जिसका रंग दिशा में कार्य करता है। यदि वेक्टर आकाश में सीधे लंबवत दिखता है, तो रंग नीला है। नीची चमक। गोले के तल पर आमतौर पर पृथ्वी की नकल करने वाला एक तटस्थ रंग होता है: हरा, भूरा।

जब हम आकाश के साथ एक बिंदु को जोड़ते हैं, तो यह समझने के लिए कि उसमें कितना प्रकाश आता है, हम हमेशा कुछ किरणों को एक उत्तर प्राप्त करने के लिए छोड़ देते हैं जो सत्य में परिवर्तित हो जाती हैं। बेहतर ग्रेड पाने के लिए हम एक से अधिक किरणों को छोड़ते हैं। इसलिए, पूरे पाइपलाइन रेंडरिंग को बहुत सारे नमूनों की आवश्यकता होती है।

जब हमने तंत्रिका नेटवर्क को प्रशिक्षित किया, तो हमने देखा कि यह बहुत अधिक औसत समाधान सीखता है। यदि हम नमूनों की संख्या को ठीक करते हैं, तो हम देखते हैं कि शास्त्रीय एल्गोरिथ्म चित्र स्तंभ की बाईं पंक्ति में परिवर्तित होता है, और नेटवर्क दाईं ओर सीखता है। इसका मतलब यह नहीं है कि मूल विधि खराब है - हम बस तेजी से अभिसरण करते हैं। जब हम नमूनों की संख्या बढ़ाते हैं, तो मूल विधि करीब और करीब हो जाएगी जो हम प्राप्त करते हैं।

हमारा मुख्य परिणाम जो हम प्राप्त करना चाहते थे, वह गति प्रदान करने में वृद्धि है। नमूना मापदंडों के साथ एक विशिष्ट संकल्प में एक विशिष्ट बादल के लिए, हम देखते हैं कि नेटवर्क और शास्त्रीय विधि द्वारा प्राप्त चित्र लगभग समान हैं, लेकिन हमें सही तस्वीर 800 गुना तेजी से मिलती है।

कार्यान्वयन

3 डी मॉडलिंग के लिए एक ओपन सोर्स प्रोग्राम है - ब्लेंडर , जो क्लासिक एल्गोरिथ्म को लागू करता है। हम स्वयं एक एल्गोरिथ्म नहीं लिखते थे, लेकिन इस कार्यक्रम का उपयोग करते थे: हमने ब्लेंडर में प्रशिक्षित किया था, जो कि एल्गोरिथ्म के लिए आवश्यक सभी चीजों को लिख रहा था। उत्पादन भी कार्यक्रम में किया गया था: हमने TensorFlow में नेटवर्क को प्रशिक्षित किया, TensorRT का उपयोग करके इसे C ++ में स्थानांतरित कर दिया, और हमने पहले से ही TensorRT नेटवर्क को ब्लेंडर में एकीकृत कर दिया, क्योंकि इसका कोड खुला है।

चूंकि हमने ब्लेंडर के लिए सब कुछ किया था, हमारे समाधान में कार्यक्रम की सभी विशेषताएं हैं: हम किसी भी तरह के दृश्य और बहुत सारे बादलों को प्रस्तुत कर सकते हैं। हमारे समाधान में बादलों को एक क्यूब बनाकर सेट किया जाता है, जिसके अंदर हम 3 डी कार्यक्रमों के लिए एक विशिष्ट तरीके से घनत्व फ़ंक्शन का निर्धारण करते हैं। हमने इस प्रक्रिया को अनुकूलित किया - कैश घनत्व। यदि कोई उपयोगकर्ता एक दृश्य के विभिन्न सेटअपों के ढेर पर एक ही बादल खींचना चाहता है: मंच पर अलग-अलग वस्तुओं के साथ अलग-अलग प्रकाश की स्थिति के तहत, तो उसे क्लाउड घनत्व को लगातार पुनर्गणना करने की आवश्यकता नहीं है। क्या हुआ, आप वीडियो देख सकते हैं।

अंत में, मैं एक बार फिर मुख्य विचार को दोहराता हूं जिसे मैं बताना चाहता था: यदि आपके काम में लंबे समय तक और कड़ी मेहनत से आप कुछ विशिष्ट कम्प्यूटेशनल एल्गोरिथ्म के रूप में मानते हैं, और यह आपको सूट नहीं करता है - कोड में सबसे कठिन स्थान ढूंढें, इसे एक तंत्रिका नेटवर्क के साथ बदलें, और शायद यह आपकी मदद करेगा।

तंत्रिका नेटवर्क और कृत्रिम बुद्धिमत्ता नए विषयों में से एक है जिसे हम अप्रैल में सेंट हाईलाड ++ 2019 पर चर्चा करेंगे। हमें इस विषय पर पहले ही कई एप्लिकेशन मिल चुके हैं, और यदि आपके पास एक अच्छा अनुभव है, तो जरूरी नहीं कि तंत्रिका नेटवर्क पर, 1 मार्च से पहले एक रिपोर्ट के लिए एक आवेदन प्रस्तुत करें । हमें अपने वक्ताओं के बीच देखकर खुशी होगी।

कार्यक्रम कैसे बनता है और क्या रिपोर्ट स्वीकार किए जाते हैं, इसके बारे में जानने के लिए समाचार पत्र की सदस्यता लें। इसमें, हम केवल रिपोर्ट, लेख पचाने और नए वीडियो के विषयगत संग्रह प्रकाशित करते हैं।