为什么神经 3D 渲染的进步没有进入市场
无法参加 Transform 2022？立即在我们的点播库中查看所有峰会会议！看这里。
在过去 10 年中，神经网络从识别简单的视觉对象到创建一致的文本和逼真的 3D 渲染实现了巨大的飞跃。随着计算机图形学变得越来越复杂，神经网络有助于自动化工作流程的重要部分。市场需要新的高效解决方案来创建 3D 图像，以填充虚拟世界的超现实空间。
但是我们将使用哪些技术来构建这个空间，人工智能会帮助我们吗？
神经网络正在兴起神经网络在 2012 年 9 月首次冲击计算机视觉行业，当时 AlexNet 卷积神经网络赢得了 ImageNet 大规模视觉识别比赛。 AlexNet 被发现能够识别、分析和分类图像。这一革命性的技能引起了人工智能艺术仍在继续的炒作浪潮。
接下来，2017 年发表了一篇题为 Attention Is All You Need 的科学论文。该论文描述了“Transformer”的设计和架构，这是一种为自然语言处理 (NLP) 而创建的神经网络。 OpenAI 在 2020 年通过创建 GPT-3 证明了这种架构的有效性。许多科技巨头争先恐后地开始寻求类似的结果和质量，并开始形成基于 Transformer 的神经元网络。
事件2022 年下一届 GamesBeat 峰会
参加 10 月 25 日至 26 日在旧金山举行的游戏领导者现场直播，探讨游戏行业的下一个重大机遇。
在这里注册识别图像和对象并从中创建连贯文本的能力导致了神经网络发展的下一个合乎逻辑的步骤：将文本输入转化为图像。这引发了对文本到图像模型的广泛研究。因此，在 2021 年 1 月创建了 DALL-E 的第一个版本——在深度学习中用于生成 2D 图像的突破性成就。
从 2D 到 3D在 DALL-E 之前不久，另一项突破使神经网络开始创建 3D 图像，其质量和速度几乎与 2D 相同。这要归功于神经辐射场 (NeRF) 方法，该方法使用神经网络从 2D 图像集合中重建逼真的 3D 场景。
经典 CGI 长期以来一直需要更经济、更灵活的 3D 场景解决方案。就上下文而言，视频游戏中的每个场景都由数百万个三角形组成，渲染它们需要大量的时间、精力和处理能力。因此，游戏开发和计算机视觉行业总是试图在三角形数量（数量越少，渲染速度越快）和输出质量之间取得平衡。
与传统的多边形建模不同，神经渲染仅基于光学和...
无法参加 Transform 2022？立即在我们的点播库中查看所有峰会会议！看这里。
在过去 10 年中，神经网络从识别简单的视觉对象到创建一致的文本和逼真的 3D 渲染实现了巨大的飞跃。随着计算机图形学变得越来越复杂，神经网络有助于自动化工作流程的重要部分。市场需要新的高效解决方案来创建 3D 图像，以填充虚拟世界的超现实空间。
但是我们将使用哪些技术来构建这个空间，人工智能会帮助我们吗？
神经网络正在兴起神经网络在 2012 年 9 月首次冲击计算机视觉行业，当时 AlexNet 卷积神经网络赢得了 ImageNet 大规模视觉识别比赛。 AlexNet 被发现能够识别、分析和分类图像。这一革命性的技能引起了人工智能艺术仍在继续的炒作浪潮。
接下来，2017 年发表了一篇题为 Attention Is All You Need 的科学论文。该论文描述了“Transformer”的设计和架构，这是一种为自然语言处理 (NLP) 而创建的神经网络。 OpenAI 在 2020 年通过创建 GPT-3 证明了这种架构的有效性。许多科技巨头争先恐后地开始寻求类似的结果和质量，并开始形成基于 Transformer 的神经元网络。
事件2022 年下一届 GamesBeat 峰会
参加 10 月 25 日至 26 日在旧金山举行的游戏领导者现场直播，探讨游戏行业的下一个重大机遇。
在这里注册识别图像和对象并从中创建连贯文本的能力导致了神经网络发展的下一个合乎逻辑的步骤：将文本输入转化为图像。这引发了对文本到图像模型的广泛研究。因此，在 2021 年 1 月创建了 DALL-E 的第一个版本——在深度学习中用于生成 2D 图像的突破性成就。
从 2D 到 3D在 DALL-E 之前不久，另一项突破使神经网络开始创建 3D 图像，其质量和速度几乎与 2D 相同。这要归功于神经辐射场 (NeRF) 方法，该方法使用神经网络从 2D 图像集合中重建逼真的 3D 场景。
经典 CGI 长期以来一直需要更经济、更灵活的 3D 场景解决方案。就上下文而言，视频游戏中的每个场景都由数百万个三角形组成，渲染它们需要大量的时间、精力和处理能力。因此，游戏开发和计算机视觉行业总是试图在三角形数量（数量越少，渲染速度越快）和输出质量之间取得平衡。
与传统的多边形建模不同，神经渲染仅基于光学和...
What's Your Reaction?
