В съвременните филми често се вмъкват невероятни кадри и сцени, генерирани от мощни компютърни системи с помощта на специализиран софтуер за рендиране. Програмата пресмята всеки кадър на бъдещото видео, използвайки подробно описание на триизмерното виртуално пространство. Колкото повече полигони и светлинни източници се използват, толкова по-качествено е изображението, но едновременно с това кардинално се увеличават необходимите ресурси на компютърната система, извършваща сложни математически пресмятания.
Един от начините за намаляване на изискванията към системата е съкращаване броя на полигоните и броя източници на светлина. Но този подход води до появата на погрешност, която вмъква цифров шум в изображенията.
За решаването на този проблем, специалистите на Disney Research, Pixar Animation Studios и Калифорнийския университет с Санта Барбара създадоха нова технология за премахването на този шум от изображенията, получени чрез скоростно рендиране. Използват се невронни мрежи, дълбоко машинно обучение и изкуствен интелект. Използването на тези смарт технологии в рендирането повиши неговата скорост и намали изискванията към хардуера.
За обучението на невронната мрежа са използвани милиони кадри от анимационните филми на Pixar, от които са използвано по две версии с различно качество. След обучението, новият ИИ е успял самостоятелно да повиши до максимално ниво качеството на кадрите на филмите „Cars 3“ и „Coco“, въпреки огромната разлика в стила и цветовата палитра.
Новата технология се счита за революция в премахването на цифровия шум от рендираните изображения.
Всичко важно от света на технологиите, директно в пощата ти.
С абонирането приемате нашите Условия и Политика за поверителност. Може да се отпишете с един клик по всяко време.
Коментирайте статията в нашите Форуми. За да научите първи най-важното, харесайте страницата ни във Facebook, и ни последвайте в Google Новини, TikTok, Telegram и Viber или изтеглете приложението на Kaldata.com за Android, iPhone, Huawei, Google Chrome, Microsoft Edge и Opera!

















