NeRF
Un campo de radiación neural (NeRF polas siglas en inglés de Neural Radiance Field) é un método baseado na aprendizaxe profunda para reconstruír unha representación tridimensional dunha escena a partir de imaxes bidimensionais escasas.
O modelo NeRF permite aprender a síntese de novas vistas, a xeometría da escena e as propiedades de refletancia da escena. Tamén se poden aprender conxuntamente propiedades adicionais da escena, como as poses da cámara. NeRF permite renderizar vistas fotorealistas desde puntos de vista novos. Introducido por primeira vez en 2020,[1] desde entón gañou unha atención significativa polas súas potenciais aplicacións en gráficos por ordenador e creación de contidos.[2]
Algoritmo editar
O algoritmo NeRF representa unha escena como un campo de radiación parametrizado por unha rede neuronal profunda (DNN). A rede predí unha densidade de volume e unha radiación emitida dependente da vista dada a localización espacial (x, y, z) e a dirección de visión en ángulos de Euler (θ, Φ) da cámara. Ao tomar mostras de moitos puntos ao longo dos raios da cámara, as técnicas tradicionais de renderizado de volume poden producir unha imaxe.[1]
Aplicacións editar
Os NeRF teñen unha ampla gama de aplicacións e están comezando a medrar en popularidade a medida que se integran en aplicacións.[3] [4]
Creación de contidos editar
Os NeRF teñen un grande potencial na creación de contido con vistas fotorrealistas.[5] A tecnoloxía democratiza un espazo que antes só era accesible por equipos de artistas VFX con activos caros. Os campos de radiación neuronal agora permiten que calquera persoa cunha cámara cree ambientes 3D atractivos.[3] NeRF combinouse coa intelixencia artificial xerativa, o que permite aos usuarios sen experiencia de modelaxe instruír cambios en escenas 3D fotorrealistas.[6] Os NeRF teñen usos potenciais na produción de vídeo, gráficos por ordenador e deseño de produtos.
Contido interactivo editar
O fotorrealismo dos NeRF posibilita o seu uso inmersivo en realidade virtual ou videoxogos. Os NeRF pódense combinar con técnicas de renderizado clásicas para inserir obxectos sintéticos e crear experiencias virtuais verosímiles.[7]
Imaxe médica editar
Os NeRF foron utilizados para reconstruír tomografías computadorizadas 3D a partir de vistas de raios X escasas ou mesmo únicas. O modelo demostrou representacións de alta fidelidade dos datos de peito e xeonllos. De ser adopto, este método pode salvar aos pacientes de doses excesivas de radiación ionizante, permitindo un diagnóstico máis seguro.[8]
Robótica e autonomía editar
A capacidade dos NeRF para comprender obxectos transparentes e reflexivos fainos útiles para os robots que interactúan en tales ambientes. O uso de NeRF permitiu que un brazo robótico manipulase con precisión unha copa de viño transparente; unha tarefa na que a visión tradicional por ordenador tería dificultades.[9]
Os NeRF tamén poden xerar rostros humanos fotorrealistas.[10]
Notas editar
- ↑ 1,0 1,1 Mildenhall, Ben; Srinivasan, Pratul P.; Tancik, Matthew; Barron, Jonathan T.; Ramamoorthi, Ravi; Ng, Ren (2020). Vedaldi, Andrea; Bischof, Horst; Brox, Thomas; Frahm, Jan-Michael, eds. "NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis". Computer Vision – ECCV 2020. Lecture Notes in Computer Science (en inglés) (Cham: Springer International Publishing): 405–421. ISBN 978-3-030-58452-8. doi:10.1007/978-3-030-58452-8_24.
- ↑ "What is a Neural Radiance Field (NeRF)?". Definition from TechTarget; Enterprise AI (en inglés). Consultado o 2024-02-16.
- ↑ 3,0 3,1 Tancik, Matthew; Weber, Ethan; Ng, Evonne; Li, Ruilong; Yi, Brent; Wang, Terrance; Kristoffersen, Alexander; Austin, Jake; Salahi, Kamyar (2023-07-23). "Nerfstudio: A Modular Framework for Neural Radiance Field Development". ACM SIGGRAPH 2023 Conference Proceedings. SIGGRAPH '23 (New York, NY, USA: Association for Computing Machinery): 1–12. ISBN 979-8-4007-0159-7. doi:10.1145/3588432.3591516.
- ↑ AI, Luma. "Luma AI". Luma AI (en inglés). Consultado o 2024-02-16.
- ↑ "Shutterstock Speaks About NeRFs At Ad Week". Radiance Fields; radiancefields.com (en inglés). 2023-10-20. Consultado o 2024-02-16.
- ↑ "InstructPix2Pix: Learning to Follow Image Editing Instructions". IEEE Xplore; ieeexplore.ieee.org; IEEE Conference Publication. doi:10.1109/cvpr52729.2023.01764. Consultado o 2024-02-16.
- ↑ "Venturing Beyond Reality: VR-NeRF ; Radiance Fields". radiancefields.com (en inglés). 2023-11-08. Consultado o 2024-02-16.
- ↑ "MedNeRF: Medical Neural Radiance Fields for Reconstructing 3D-aware CT-Projections from a Single X-ray". IEEE Conference Publication; IEEE Xplore; ieeexplore.ieee.org. doi:10.1109/embc48229.2022.9871757. Consultado o 2024-02-16.
- ↑ Kerr, Justin; Fu, Letian; Huang, Huang; Avigal, Yahav; Tancik, Matthew; Ichnowski, Jeffrey; Kanazawa, Angjoo; Goldberg, Ken (2022-08-15). "Evo-NeRF: Evolving NeRF for Sequential Robot Grasping of Transparent Objects" (en inglés).
- ↑ Aurora (2023-06-04). "Generating highly detailed human faces using Neural Radiance Fields". ILLUMINATION (en inglés). Consultado o 2024-02-16.
Véxase tamén editar
Outros artigos editar
|
Este artigo sobre informática é, polo de agora, só un bosquexo. Traballa nel para axudar a contribuír a que a Galipedia mellore e medre.
Existen igualmente outros artigos relacionados con este tema nos que tamén podes contribuír. |