انویدیا فناوری مدلهای عصبی مواد را معرفی کرده است که بهکمک هوش مصنوعی، میتواند ویژگیهای ظاهری مواد مختلف را در تصاویر بهسرعت و بهطور طبیعی شبیهسازی کند.
بهگزارش تکناک، انویدیا روشی جدید برای مدلسازی عصبی مواد در لحظه را بهنمایش گذاشته است که سرعت سایهزنی را بین ۱۲ تا ۲۴ برابر درمقایسهبا روشهای سنتی افزایش میدهد. انویدیا در کنفرانس سیگراف، رویکرد جدیدی برای رندرینگ لحظهای با نام «مدلهای ظاهری عصبی» را معرفی کرده که هدفش استفاده از هوش مصنوعی برای تسریع قابلیتهای سایهزنی است.
سال گذشته، این شرکت تکنیک فشردهسازی عصبی خود را معرفی کرد که جزئیات بافت را ۱۶ برابر افزایش میدهد و امسال، این شرکت در حال حرکت بهسمت افزایش چشمگیر سرعت رندر بافت و سایهزنی است. رویکرد جدید حالت اجرای جهانی برای همهی مواد از منابع مختلف خواهد بود. این مدلها در سطوح کیفی مختلف از بازیهای کامپیوتری شخصی و کنسولهای بازی تا واقعیت مجازی و حتی رندر فیلم قابلیت مقیاسسازی خواهند داشت.
Wccftech مینویسد که این مدل به ضبط جزئیات شیء رندرشده کمک خواهد کرد؛ مانند جزئیات بسیار ظریف و پیچیدگیهای بصری نظیر گردوغبار، لکههای آب، نورپردازی و حتی پرتوهای ایجادشده با ترکیب منابع نوری و رنگهای مختلف. بهطور سنتی، این مدلها با استفاده از گرافهای سایهزنی رندر میشوند که نهتنها برای رندرینگ لحظهای پرهزینه هستند؛ بلکه پیچیدگیهای زیادی نیز دارند.
با رویکرد مواد عصبی انویدیا، مدل رندرینگ مواد سنتی با شبکهی عصبی کمهزینه و محاسباتی کارآمدی جایگزین میشود که بهگفتهی خود شرکت، عملکرد محاسبات سایهزنی را ۱۲ تا ۲۴ برابر سریعتر میکند. انویدیا مقایسهای بین مدل رندرشده با استفاده از گراف سایهزنی و همان مدل رندرشده با مدل مواد عصبی ارائه میدهد.
مدل ازنظر تمام جزئیات با تصویر مرجع مطابقت دارد و همانطورکه گفته شد، بسیار سریعتر این کار را انجام میدهد. همچنین، میتوانید هر مدل را مشاهده و کیفیت تصویر را خودتان در این لینک مقایسه کنید.
مدل جدید به نوآوریهای زیر دست یافته است:
- سیستم کامل و قابلمقیاس برای مواد عصبی با کیفیت فیلم
- آموزش قابلاجرا برای داراییهای با اندازهی گیگاپیکسل با استفاده از رمزگذار
- رمزگشاها با اطلاعات قبلی برای نگاشت و نمونهبرداری نرمال
- اجرای کارآمد شبکههای عصبی در شیدرهای زمان واقعی
همچنین، انویدیا نحوهی عملکرد مدلهای عصبی را توضیح میدهد. در زمان رندر، مواد عصبی بسیار شبیه به استفاده از مدل سنتی است. در هر نقطهی برخورد، ابتدا بافتها را جستوجو و سپس دو MLP را ارزیابی میکنند: یکی برای دریافت مقدار BRDF و دیگری برای واردکردن و نمونهبرداری جهت خروجی. برخی از بهبودها در رویکرد زمان واقعی شامل اطلاعات قبلی گرافیکی داخلی است که کیفیت استنتاج و زمان آموزش رمزگذار را برای خروجی رندرها در وضوحهای عظیم بهبود میبخشد.
تمام مدلهای رندرشده با استفاده از رویکرد مواد عصبی وضوح بافت تا 16K را ارائه میدهند. این مدلهای اصلاحشده نیز فشار کمتری بر بازیها وارد میکنند و به عملکرد بهتر منجر میشوند.
دربارهی اینکه چه سختافزاری از مدلهای مواد عصبی پشتیبانی خواهد کرد، انویدیا اعلام کرده است که از فریمورکهای یادگیری ماشین موجود مانند PyTorch و TensorFlow، ابزارهایی مانند GLSL یا HLSL و موتورهای ضرب و جمع ماتریسی سختافزاری شتابدار در معماریهای GPU مانند ایامدی و اینتل و انویدیا استفاده خواهد کرد.
شیدر زمان اجرا توصیف مواد عصبی را به کد مشترک بهینهشده با استفاده از زبان سایهزنی متنباز Slang کامپایل میکند که بکاندهایی برای اهداف مختلف ازجمله Vulkan و Direct3D 12 و CUDA دارد.
معماری هستهی تنسور که در معماری گرافیک جدید معرفی شده، گامی رو به جلو برای این مدلها است. دزحالیکه درحالحاضر به APIهای محاسباتی محدود است، انویدیا شتاب هستهی تنسور را برای شیدرهایی مانند کامپایلر شیدر DirectX مبتنیبر LLVN متنباز اصلاحشده که اینترینزیکهای سفارشی برای دسترسی سطح پایین اضافه میکند، درمعرض دید میگذارند که به آنها اجازه میدهد تا کد مشترک Slang را بهطور مؤثر تولید کنند.
بهطور کلی، رویکرد مدلهای مواد عصبی جدید انویدیا بهدنبال باز تعریف نحوهی رندر بافتها و اشیای لحظهای است. با سرعت افزایش ۱۲ تا ۲۴ برابری، این امر به توسعهدهندگان و سازندگان محتوا اجازه میدهد تا مواد و اشیاء را با بافتهای فوقواقعگرایانه سریعتر تولید کنند که روی جدیدترین سختافزارها نیز سریع اجرا میشوند.
