انویدیا با هوش مصنوعی روش‌های سنتی رندرینگ را کنار می‌گذارد؛ افزایش سرعت تا 24 برابر

در جریان رویداد Siggraph، انویدیا یک روش جدید رندرینگ بر مبنای شبکه‌های عصبی را به نمایش گذاشت که هدف آن استفاده از هوش مصنوعی برای سرعت بخشیدن به عملیات سایه‌زنی عنوان شده است. به گفته مهندسان انویدیا روش جدید می‌تواند سرعت رندرینگ را 12 تا 24 برابر افزایش دهد.

بر اساس گزارش Wccftech، تیم تحقیقاتی انویدیا در رویداد Siggraph یک مدل هوش مصنوعی به نام «مواد عصبی» یا Neural Materials معرفی کرده که می‌تواند مدل‌های سه بعدی ساخته شده توسط منابع مختلف، از گرافیست‌های کامپیوتری گرفته تا مدل‌های ضبط شده از اشیای واقعی و حتی مدل‌های ساخته شده توسط هوش مصنوعی مولد را به عنوان ورودی قبول کند. علاوه‌بر این، خروجی این مدل هوش مصنوعی مقیاس‌پذیر بوده و می‌تواند برای سطوح کیفی مختلف از PC و کنسول گرفته تا واقعیت افزوده و جلوه‌های ویژه سینمایی مورد استفاده قرار گیرد.

مدل هوش مصنوعی جدید توان تشخیص کوچک‌ترین جزئیات اشیا‌ء مثل ذرات گرد و غبار، قطرات آب و انعکاس سایر منابع نوری را دارد. در حال حاضر وظیفه رِندرینگ اینگونه مدل‌ها بر عهده گراف‌های سایه‌زنی (Shading Graph) است که علاوه‌بر پیچیدگی پیاده‌سازی، بار پردازشی سنگینی نیز دارند.

در روش «مواد عصبی» جدید انویدیا، خط لوله رندرینگ پیشین‌ جای خود را به یک شبکه عصبی سبک‌تر و بهینه‌تر داده که ادعا می‌شود می‌تواند عملیات سایه‌زنی را 12 تا 24 برابر سریع‌تر انجام دهد. برای مقایسه، انویدیا خروجی هوش مصنوعی خود را با روش‌های سنتی مقایسه کرده.

مقایسه خروجی مدل Neural Materials با خروجی روش‌های فعلی نشان می‌دهد که این مدل توانسته به همان سطح از کیفیت و جزئیات در تصویر نهایی برسد. تمام مدل‌های ساخته شده با «مواد عصبی» را می‌توان با رزولوشن بافت 16k خروجی گرفت که علاوه‌بر کیفیت بالا، بار پردازشی را نیز کاهش می‌دهد که در نهایت به نرخ فریم بالاتر در بازی‌ها منجر می‌شود.

استفاده از شبکه‌های عصبی برای رندِر کردن بافت‌ها این امکان را به توسعه دهندگان می‌دهد که بر اساس نیاز، کیفیت خروجی را تغییر دهند. به عنوان مثال، در مدل نمایش داده شده دو مدل مشابه نشان داده شد که یکی با 2 لایه 16 نورونی و تنها در 3.3 میلی‌ثانیه رندر شده بود و مدل دیگر که کیفیت بهتری داشت، از 3 لایه 64 نورونی استفاده می‌کرد که باز هم با زمان پردازش 11 میلی‌‌ ثانیه از مدل‌های سنتی به میزان 4 میلی ثانیه سریع‌تر است.

در همین رابطه بخوانید:

- فشرده‌سازی بافت‌ها با استفاده از شبکه‌های عصبی؛ راهکار AMD برای کاهش حجم بازی‌ها
- انویدیا پای هوش مصنوعی را به فایل بازی ها باز کرد؛‌ رندر بافت ها تا چهار برابر سریع تر می‌شود

به گفته محققان انویدیا، Neural Materials را می‌توان روی فریم‌ورک‌های متداول مثل PyTorch و TensorFlow و سخت‌افزارهای موجود در کارت گرافیک‌های انویدیا و ای ام دی و اینتل قابل پیاده سازی است.

به نظر می‌رسد با بکارگیری گسترده مدل‌های عصبی برای اجرای بازی‌ها چند سالی فاصله داشته باشیم. اما حتی در فاز تحقیقاتی نیز فناوری جدید می‌تواند تا 24 بار عملکرد سریع‌تری داشته باشد که به توسعه‌دهندگان امکان ساخت محیط‌های پویاتر و نزدیک‌تر به واقعیت را می‌دهد.