0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

使用NVIDIA Kaolin Wisp研究神经场

星星科技指导员 来源:NVIDIA 作者:Nathan Horrocks 2022-10-10 15:55 次阅读

研究 神经场 近年来,它已成为计算机图形学和计算机视觉领域的一个日益热门的话题。通过使用将坐标作为输入并在该位置输出相应数据的神经网络,神经场可以表示形状、外观、运动和其他物理量等 3D 数据。

这些表示已被证明在生成建模和三维重建等各种应用中非常有用。 NVIDIA 项目,如: NGLOD, GANcraft, NeRF-Tex, EG3D, Instant-NGP 和 可变比特率神经场 ,正在以各种方式推进神经领域、计算机图形学和计算机视觉领域的最新技术

研究挑战

神经领域的研究进展迅速,这意味着标准和软件往往落后。实现差异可能导致质量指标和性能的巨大差异。新项目的启动成本可能相当高,因为神经场的组成部分越来越复杂。研究小组之间的工作经常重复——例如,创建整个交互式应用程序来可视化神经场输出。

一个重要的里程碑是: NVIDIA Instant NGP ,由于其能够以近瞬间速度拟合各种信号,如神经辐射场( NERF )、符号距离场( SDF )和图像,最近吸引了研究界的广泛关注。由于其计算效率,它开启了实际应用和研究方向的新前沿。然而,由于高度专业化和优化的代码很难适应和扩展,这种计算效率也可能成为研究的障碍。

NVIDIA Kaolin Wisp

NVIDIA Kaolin Wisp 是一个快节奏、面向研究的神经领域库,旨在支持研究人员应对日益增长的学科挑战。它建在核心之上 Kaolin 库 功能,包括用于 3D 深度学习研究的更通用和稳定的组件。

Wisp 的目标是为神经领域的研究提供一个共同的核心库和框架。该库由可用于创建复杂神经场的模块化构建块和用于训练和可视化神经场的交互式应用程序组成。

poYBAGNDz_GAbjx-ABKYTR8GKSY963.png

图 1. NVIDIA Kaolin Wisp 交互式渲染的屏幕截图,显示了正在进行的神经场优化。摄像机和占用结构的占用状态在顶部可视化。右侧的属性检查器允许用户获取有关场景的更多信息并对其进行操作。

Wisp 没有提供具体的实现,而是为神经领域提供了构建块。该框架易于扩展用于研究目的,由模块化管道组成,其中每个管道组件可以轻松互换,为标准培训提供即插即用配置。

Wisp 的目标不是提供可用于生产的代码,而是快速交付新模块,保持这项技术的领先地位。它还提供了一组丰富的示例,展示了 Kaolin 核心框架以及[ZHK 七]核心如何用于加速研究。

NVIDIA Kaolin Wisp 功能亮点

Kaolin Wisp 使用基于 Python 的 API ,该 API 基于 PyTorch ,使用户能够快速开发项目。与许多其他基于 PyTorch 的公共项目兼容, Kaolin Wisp 可以轻松地使用基于 PyTorch / CUDA 的构建块进行自定义。

虽然 Wisp 旨在提高开发人员的速度而不是计算性能,但库中提供的构建块经过优化,可以在几分钟内训练神经领域,并以交互方式可视化它们。

Kaolin Wisp 用构建块填充,以混合匹配的方式组成神经场管道。值得注意的例子是要素网格,包括:

层次八叉树:来自 NGLOD 用于学习空间细分树上的特征。八叉树还支持光线跟踪操作,除了 SDF 外,还可以训练基于多视图图像的 NGLOD NeRF 变体。

三平面特征:用于 EG3D 和 卷积占用网络 学习三平面纹理贴图上的体积特征的论文。三平面还支持多分辨率金字塔结构中的多细节层次( LOD )。

代码本:来自 可变二元神经场 ,学习具有可微可学习密钥的压缩特征码本。

哈希网格:来自 即时 NGP 用于学习具有高性能内存访问的紧凑缓存友好特征码本的论文。

pYYBAGNDz_KAK6cyAAGCOMc7P1E991.jpg

图 3. NVIDIA Kaolin Wisp 架构和构建块

NVIDIA Kaolin Wisp 与支持神经基元管道灵活渲染的交互式渲染器配对,如 NeRF 和神经 SDF 的变体。它允许集成新的表示。

OpenGL 风格的光栅化原语可以与神经表示混合并匹配,以添加更多数据层的可视化,如相机和占用结构。通过在 GUI 上支持可与培训和渲染交互的自定义小部件,它还允许轻松构建可定制的应用程序。

其他有用的功能包括属性查看器、优化控件、自定义输出渲染缓冲区和允许轻松操纵场景摄影机的摄影机对象。

关于作者

Nathan Horrocks 是 NVIDIA Research 的内容营销经理。他重点强调了 NVIDIA 实验室在世界各地进行的惊人研究。

审核编辑:郭婷

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • NVIDIA
    +关注

    关注

    14

    文章

    4935

    浏览量

    102801
  • python
    +关注

    关注

    56

    文章

    4782

    浏览量

    84449
  • pytorch
    +关注

    关注

    2

    文章

    803

    浏览量

    13145
收藏 人收藏

    评论

    相关推荐

    NVIDIA加速计算如何推动医疗健康

    近日,NVIDIA 企业平台副总裁 Bob Pette 在 AI Summit 一演讲中重点谈论了 NVIDIA 加速计算如何推动医疗健康、网络安全和制造等行业实现转型。他表示,加速计算是可持续计算。
    的头像 发表于 11-20 09:10 209次阅读

    NVIDIA在ICRA展示最新机器人研究

    在 日前举行的 IEEE 国际机器人和自动化大会(ICRA)上,几何织物(geometric fabrics)成为一个热门的讨论话题。几何织物是 NVIDIA 机器人研究实验室成员与合作者共同提交的七篇论文的主题之一,并于 ICRA 上发表。
    的头像 发表于 10-10 09:55 322次阅读

    NVIDIA 在 Hot Chips 大会展示提升数据中心性能和能效的创新技术

    来源: NVIDIA 在此次大会期间举行的四演讲中,NVIDIA 工程师详细介绍了 NVIDIA Blackwell 平台、新的液冷研究
    的头像 发表于 08-28 16:38 330次阅读
    <b class='flag-5'>NVIDIA</b> 在 Hot Chips 大会展示提升数据中心性能和能效的创新技术

    bp神经网络和反向传播神经网络区别在哪

    神经网络在许多领域都有广泛的应用,如语音识别、图像识别、自然语言处理等。然而,BP神经网络也存在一些问题,如容易陷入局部最优解、训练时间长、对初始权重敏感等。为了解决这些问题,研究者们提出了一些改进的BP
    的头像 发表于 07-04 09:51 382次阅读

    反向传播神经网络和bp神经网络的区别

    神经网络在许多领域都有广泛的应用,如语音识别、图像识别、自然语言处理等。然而,BP神经网络也存在一些问题,如容易陷入局部最优解、训练时间长、对初始权重敏感等。为了解决这些问题,研究者们提出了一些改进的BP
    的头像 发表于 07-03 11:00 671次阅读

    bp神经网络是深度神经网络吗

    Network)有相似之处,但它们之间还是存在一些关键的区别。 一、引言 神经网络是一种模拟人脑神经元结构的计算模型,它由大量的神经元(或称为节点)组成,这些神经元通过权重连接在一起
    的头像 发表于 07-03 10:14 679次阅读

    神经元与神经网络的区别与联系

    在人工智能和机器学习的领域中,神经元和神经网络是两个至关重要的概念。虽然它们都与人脑中的神经系统有着密切的联系,但在实际应用和理论研究中,它们各自扮演着不同的角色。本文旨在深入探讨
    的头像 发表于 07-01 11:50 802次阅读

    高鲁棒性植入式神经电极界面,用于神经元电活动的长期追踪记录

    植入式神经电极技术的发展已成为神经环路精准解析过程中的关键研究工具。然而,长期稳定的神经电极界面在活体水平的应用上仍面临挑战。
    的头像 发表于 05-21 09:11 500次阅读
    高鲁棒性植入式<b class='flag-5'>神经</b>电极界面,用于<b class='flag-5'>神经</b>元电活动的长期追踪记录

    助力科学发展,NVIDIA AI加速HPC研究

    科学家和研究人员正在利用 NVIDIA 技术将生成式 AI 应用于代码生成、天气预报、遗传学和材料科学领域的 HPC 工作。
    的头像 发表于 05-14 09:17 385次阅读
    助力科学发展,<b class='flag-5'>NVIDIA</b> AI加速HPC<b class='flag-5'>研究</b>

    NVIDIA生成式AI研究实现在1秒内生成3D形状

    NVIDIA 研究人员使 LATTE3D (一款最新文本转 3D 生成式 AI 模型)实现双倍加速。
    的头像 发表于 03-27 10:28 465次阅读
    <b class='flag-5'>NVIDIA</b>生成式AI<b class='flag-5'>研究</b>实现在1秒内生成3D形状

    是德科技与NVIDIA携手推进6G研究云平台发展

    是德科技近日宣布与现已开启与全新NVIDIA 6G研究云平台的合作,加速推进6G技术研究。该平台集成了NVIDIA Aerial Omniverse数字孪生技术,这一开放且灵活的网络仿
    的头像 发表于 03-27 09:26 671次阅读

    NVIDIA推出6G研究云平台,以AI推动无线通信的发展

    NVIDIA 于今日宣布推出一个 6G 研究平台,该平台为研究人员提供了一种开发下一阶段无线技术的新方法。
    的头像 发表于 03-20 09:50 401次阅读

    详解深度学习、神经网络与卷积神经网络的应用

    处理技术也可以通过深度学习来获得更优异的效果,比如去噪、超分辨率和跟踪算法等。为了跟上时代的步伐,必须对深度学习与神经网络技术有所学习和研究。本文将介绍深度学习技术、神经网络与卷积神经
    的头像 发表于 01-11 10:51 1900次阅读
    详解深度学习、<b class='flag-5'>神经</b>网络与卷积<b class='flag-5'>神经</b>网络的应用

    NVIDIA 人工智能开讲 | 什么是 AI For Science?详解 AI 助力科学研究领域的新突破

    ”两大音频 APP上搜索“ NVIDIA 人工智能开讲 ”专辑,众多技术大咖带你深度剖析核心技术,把脉未来科技发展方向! AI For Science (亦称 “AI In Science” ),是人工智能领域的一大热门话题,即如何用人工智能助力科学研究领域的新突破。G
    的头像 发表于 12-25 18:30 947次阅读
    <b class='flag-5'>NVIDIA</b> 人工智能开讲 | 什么是 AI For Science?详解 AI 助力科学<b class='flag-5'>研究</b>领域的新突破

    NVIDIA 向博士生颁发 6 万美元研究奖学金

    NVIDIA 研究生奖学金计划现在进入了第 23 个年头,迄今为止已向 200 名学生颁发了超过 650 万美元的奖学金,推动了机器学习、计算机视觉、机器人和系统编程领域的科学研究工作。 二十
    的头像 发表于 12-11 21:15 687次阅读