前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >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

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

作者头像
量子位
发布2022-03-04 11:41:16
5210
发布2022-03-04 11:41:16
举报
文章被收录于专栏:量子位
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

「智能汽车」交流群招募中!

欢迎关注智能汽车、自动驾驶的小伙伴们加入社群,与行业大咖交流、切磋,不错过智能汽车行业发展&技术进展。

ps.加好友请务必备注您的姓名-公司-职位哦~

点这里👇关注我,记得标星哦~

一键三连「分享」、「点赞」和「在看」

科技前沿进展日日相见~

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-01-15,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 量子位 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 单个GPU上实现多任务即时训练
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档