训练NeRF只需5秒?!英伟达这项新技术给谷歌研究员整不会了 | 开源
Posted QbitAl
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了训练NeRF只需5秒?!英伟达这项新技术给谷歌研究员整不会了 | 开源相关的知识,希望对你有一定的参考价值。
杨净 发自 凹非寺
量子位 | 公众号 QbitAI
“这太疯狂了!”
“18个月前,训练NeRF需要5小时…”
“2个月前,训练NeRF需要是5分钟!”
“现在,训练NeRF需要5秒!!??”
究竟发生了什么?竟让谷歌研究科学家惊叹至此。
(插播一下此前风靡的NeRF模型:伯克利&谷歌联合打造,少数静态图生成3D逼真效果)
而且类似的评价还有很多~
介绍这项技术的博文也热度非常,不到一天时间就收获了上千赞。
原来,这是来自于英伟达的最新技术——基于多分辨率哈希编码的即时神经图形基元。
一只狐狸NeRF模型的只需要训练5秒钟!
而且不光训练NeRF,该技术还在其他任务上也达到了惊人的训练速度。
实现了几个数量级的组合加速。
能够在几秒钟内训练高质量的神经图形基元,并在几十毫秒内渲染分辨率1920x1080的图形。
单个GPU上实现多任务即时训练
先来看效果。
有没有种在实验室的眩晕感,这是来自iPhone视频训练5分钟的360度实时渲染效果~
还有想以34张真实照片重构的3D图像~
除了NeRF之外吗,还有三个神经图形基元的实现。
Gigapixel Image
作者还友情提示,网络是从头开始训练的,如果眨眼的话,可能会错过它。
Signed Distance Function
Neural Radiance Cache
每种情况都是用tiny-cuda-nn框架训练和渲染的,本次实验是在RTX 3090测试的。
以全连接网络为参数的神经图形基元,训练和评估成本较高。
本文使用了一种多功能的新输入编码来降低成本。
这种编码允许在不牺牲质量的情况下使用更小的网络,从而大大减少浮点数和内存访问数量。
具体而言,一个小型神经网络通过可训练特征向量的多分辨率哈希表进行扩充。这些特征向量的值通过随机梯度下降优化。
换句话说,这种编码与任务无关。
研究团队表示,他们在所有任务中都使用相同的案例和超参数,只改变了哈希表的大小。
目前该项目已开源,感兴趣的旁友可戳下方链接~
GitHub链接:
https://github.com/NVlabs/instant-ngp
论文链接:
https://nvlabs.github.io/instant-ngp/assets/mueller2022instant.pdf
项目链接:
https://nvlabs.github.io/instant-ngp/
参考链接:
https://twitter.com/ak92501/status/1481818982005063681
以上是关于训练NeRF只需5秒?!英伟达这项新技术给谷歌研究员整不会了 | 开源的主要内容,如果未能解决你的问题,请参考以下文章
图像转换3D模型只需5行代码,英伟达推出3D深度学习工具Kaolin