0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

NVIDIA研究團(tuán)隊(duì)分享了實(shí)時(shí)路徑追蹤和內(nèi)容創(chuàng)建方面的開創(chuàng)性工作

GLeX_murata_eet ? 來源:NVIDIA英偉達(dá)企業(yè)解決方案 ? 作者:NVIDIA英偉達(dá)企業(yè)解 ? 2021-08-13 10:59 ? 次閱讀

NVIDIA在夏季的多場頂級(jí)圖形大會(huì)上展示其如何為藝術(shù)家、創(chuàng)作者和游戲玩家推動(dòng)實(shí)時(shí)路徑追蹤和內(nèi)容創(chuàng)作工具的發(fā)展。

計(jì)算機(jī)圖形和AI是NVIDIA的基石,兩者的強(qiáng)強(qiáng)結(jié)合助力創(chuàng)作者距離實(shí)現(xiàn)實(shí)時(shí)渲染影院級(jí)3D圖像的目標(biāo)邁進(jìn)。

在今年夏天舉行的一系列圖形學(xué)大會(huì)上,NVIDIA研究團(tuán)隊(duì)分享了實(shí)時(shí)路徑追蹤和內(nèi)容創(chuàng)建方面的開創(chuàng)性工作,其中的大部分工作都是基于最先進(jìn)的AI技術(shù)。這些項(xiàng)目使用推動(dòng)實(shí)時(shí)渲染技術(shù)發(fā)展的新工具解決圖形學(xué)領(lǐng)域最棘手的問題。

其中一個(gè)項(xiàng)目的目標(biāo)是提高渲染光線在穿過毛皮或霧氣等復(fù)雜素材時(shí)的真實(shí)性。另一個(gè)目標(biāo)是幫助藝術(shù)家更輕松地將他們的創(chuàng)意設(shè)想轉(zhuǎn)化為栩栩如生的模型和場景。

在本周舉行的SIGGRAPH 2021大會(huì)以及最近舉行的高性能圖形學(xué)大會(huì)和歐洲圖形學(xué)渲染研討會(huì)上,這些研究進(jìn)展突顯了NVIDIA RTX GPU如何繼續(xù)推進(jìn)逼真實(shí)時(shí)圖形學(xué)的前沿。

要想實(shí)時(shí)渲染逼真的圖像,就必須對光線進(jìn)行精準(zhǔn)的模擬,按照物理世界中的光線規(guī)律進(jìn)行建模。目前,路徑追蹤是已知的最有效的方法,而這需要消耗大量的計(jì)算資源,不過可以呈現(xiàn)出美輪美奐的圖像。

NVIDIA RTX平臺(tái)帶有專門的光線追蹤硬件和高性能Tensor Core,能夠高效評估AI模型,堪稱為這項(xiàng)任務(wù)的量身定制。但在有些情況下,創(chuàng)建高清渲染圖像仍具有挑戰(zhàn)性。

比如一只在樹林中潛行的老虎。

看清光線:實(shí)時(shí)路徑追蹤

為了使一個(gè)場景完全逼真,創(chuàng)作者必須渲染復(fù)雜的照明效果,如反射、陰影和可見的薄霧。

在森林場景中,斑駁的陽光透過樹葉,與濃霧中懸浮的水分子交織成朦朧的畫面。之前的技術(shù)無法實(shí)時(shí)渲染云層、塵土飛揚(yáng)的地面或霧氣等逼真的圖像。但是NVIDIA研究人員開發(fā)了一些技術(shù),通常能夠?qū)⑦@些現(xiàn)象的視覺效果計(jì)算效率提高10倍。

老虎本身既被陽光照耀,又被樹木遮擋。當(dāng)它穿過樹林時(shí),其倒影在下面的池塘中清晰可見。為了實(shí)現(xiàn)這種具有直接和間接反射的豐富視覺效果照明,需要為場景中的每個(gè)像素計(jì)算數(shù)千條路徑。

這項(xiàng)任務(wù)耗費(fèi)的資源過多,因此無法實(shí)時(shí)完成。為此,NVIDIA研究團(tuán)隊(duì)創(chuàng)建了一種路徑采樣算法,這種算法優(yōu)先考慮最有可能對最終圖像作出貢獻(xiàn)的光線路徑和反射,并且其圖像渲染速度比之前快了100倍以上。

老虎的AI:神經(jīng)輻射緩存

另外一組NVIDIA研究人員利用一種名為神經(jīng)輻射緩存的新技術(shù)在全局照明方面取得了突破。這種方法同時(shí)使用了用于光線追蹤的NVIDIA RT Core和用于AI加速的Tensor Core,在渲染動(dòng)態(tài)場景的同時(shí)現(xiàn)場訓(xùn)練一個(gè)微小的神經(jīng)網(wǎng)絡(luò)。

該神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)光線在整個(gè)場景中的分布情況。當(dāng)在NVIDIA GeForce RTX 3090 GPU上運(yùn)行時(shí),它每秒可評估超過10億次全局照明查詢,以交互式幀率描繪老虎致密的皮毛,具有之前無法實(shí)現(xiàn)的豐富的光照細(xì)節(jié)。

完美創(chuàng)建難以實(shí)現(xiàn)的紋理

隨著渲染算法的進(jìn)步,現(xiàn)有的3D內(nèi)容必須跟上算法所能達(dá)到的復(fù)雜性和豐富性,這一點(diǎn)至關(guān)重要。

NVIDIA研究人員正在深入探索這一領(lǐng)域,開發(fā)各種支持內(nèi)容創(chuàng)作者建立豐富、逼真3D環(huán)境模型的技術(shù)。其中的一個(gè)重點(diǎn)領(lǐng)域是具有高度幾何復(fù)雜性的素材,而使用傳統(tǒng)技術(shù)可能難以模擬這些材質(zhì)。

Polo衫的編織式樣、地毯的紋理或草葉的特征往往比一個(gè)像素小得多,因此很難有效地存儲(chǔ)和渲染它們的表現(xiàn)形式。NVIDIA研究人員正在用NeRF-Tex解決這個(gè)問題,該方法使用神經(jīng)網(wǎng)絡(luò)來表現(xiàn)這些具有挑戰(zhàn)性的素材并對它們對照明的反應(yīng)進(jìn)行編碼。

見樹亦見林

復(fù)雜的幾何物體在外觀上也有差異,這取決于它們與觀察者的距離。以一棵枝繁葉茂的樹為例:距離近時(shí),可以看到樹枝、樹葉和樹皮上的大量細(xì)節(jié);而距離遠(yuǎn)時(shí),可能只能看到一團(tuán)綠色。

雖然為場景中森林另一端的樹渲染樹皮和樹葉細(xì)節(jié)消耗了大量時(shí)間,但在放大畫面時(shí),模型應(yīng)盡可能地真實(shí)。

這是計(jì)算機(jī)圖形學(xué)中的一個(gè)經(jīng)典問題——LOD。藝術(shù)家們經(jīng)常被這一挑戰(zhàn)所困擾,他們?yōu)槊總€(gè)3D物體手動(dòng)建立多個(gè)版本的模型以實(shí)現(xiàn)高效渲染。

NVIDIA研究人員開發(fā)了一種可以基于逆向渲染方法自動(dòng)生成簡化模型的新方法。通過該方法,創(chuàng)作者可以生成簡化的模型。這些模型經(jīng)過優(yōu)化,看起來與原來的模型沒有區(qū)別,但其幾何復(fù)雜性卻大大降低。

NVIDIA 在SIGGRAPH 2021大會(huì)上的風(fēng)采

由全球200多名科學(xué)家組成的NVIDIA研究團(tuán)隊(duì)專注于AI、計(jì)算機(jī)圖形、計(jì)算機(jī)視覺、自動(dòng)駕駛汽車、機(jī)器人技術(shù)等領(lǐng)域。在8月9日至13日舉行的SIGGRAPH會(huì)議上,NVIDIA研究人員將發(fā)表以下論文:

● 用于路徑追蹤的實(shí)時(shí)神經(jīng)輻射緩存

● 神經(jīng)場景圖渲染

● 無偏移光線行進(jìn)透射率估算器

● StrokeStrip:筆劃簇的關(guān)節(jié)參數(shù)化和擬合

編輯:jq

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報(bào)投訴
  • 3D
    3D
    +關(guān)注

    關(guān)注

    9

    文章

    2843

    瀏覽量

    107204
  • gpu
    gpu
    +關(guān)注

    關(guān)注

    27

    文章

    4640

    瀏覽量

    128487
  • 計(jì)算機(jī)
    +關(guān)注

    關(guān)注

    19

    文章

    7300

    瀏覽量

    87557
  • AI
    AI
    +關(guān)注

    關(guān)注

    87

    文章

    29438

    瀏覽量

    267759

原文標(biāo)題:SIGGRAPH 21 | 引路者:NVIDIA研究人員展示實(shí)時(shí)圖形領(lǐng)域的突破性進(jìn)展

文章出處:【微信號(hào):murata-eetrend,微信公眾號(hào):murata-eetrend】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關(guān)推薦

    NVIDIA多攝像頭追蹤工作流的應(yīng)用架構(gòu)

    為提高安全并優(yōu)化運(yùn)營,倉庫、工廠、體育場、機(jī)場等大型區(qū)域通常會(huì)有數(shù)百個(gè)攝像頭進(jìn)行監(jiān)控。多攝像頭追蹤指的是通過這些攝像頭追蹤對象,并精確測量其活動(dòng),以此實(shí)現(xiàn)對空間的有效監(jiān)控和管理。
    的頭像 發(fā)表于 09-06 14:23 ?213次閱讀
    <b class='flag-5'>NVIDIA</b>多攝像頭<b class='flag-5'>追蹤</b><b class='flag-5'>工作</b>流的應(yīng)用架構(gòu)

    IB Verbs和NVIDIA DOCA GPUNetIO性能測試

    NVIDIA DOCA GPUNetIO 是 NVIDIA DOCA SDK 中的一個(gè)庫,專門為實(shí)時(shí)在線 GPU 數(shù)據(jù)包處理而設(shè)計(jì)。它結(jié)合 GPUDirect RDMA 和 GPUD
    的頭像 發(fā)表于 08-23 17:03 ?375次閱讀
    IB Verbs和<b class='flag-5'>NVIDIA</b> DOCA GPUNetIO性能測試

    高通驍龍8 Gen4將開創(chuàng)性地集成自家研發(fā)的Oryon CPU

    近日,高通公司在其盛大的官方活動(dòng)中震撼宣布,其旗艦級(jí)移動(dòng)處理器領(lǐng)域的最新力作——驍龍8 Gen4,將開創(chuàng)性地集成自家研發(fā)的Oryon CPU,這一舉措預(yù)示著移動(dòng)游戲體驗(yàn)即將邁入一個(gè)前所未有的高性能時(shí)代,瞬間在科技界激起了層層波瀾。
    的頭像 發(fā)表于 07-26 15:07 ?495次閱讀

    大數(shù)據(jù)在軍事方面的應(yīng)用有哪些

    : 大數(shù)據(jù)技術(shù)為戰(zhàn)爭決策提供全新的思路和工具。軍事機(jī)關(guān)指揮系統(tǒng)通過搜集和分析大量的戰(zhàn)場數(shù)據(jù),可以建立復(fù)雜的決策模型,快速分析敵我態(tài)勢,評估作戰(zhàn)可行,并推薦最優(yōu)的戰(zhàn)術(shù)方案。 利用大數(shù)據(jù)分析技術(shù)實(shí)時(shí)跟蹤戰(zhàn)場態(tài)勢變
    的頭像 發(fā)表于 06-23 10:34 ?726次閱讀

    NVIDIA推出NVIDIA AI Computing by HPE加速生成式 AI 變革

    作為極具開創(chuàng)性的一站式“交鑰匙”私有云人工智能(private-cloud AI)解決方案,NVIDIA AI Computing by HPE 包含了可持續(xù)的加速計(jì)算產(chǎn)品組合以及全生命周期服務(wù),將
    的頭像 發(fā)表于 06-20 17:36 ?641次閱讀

    NVIDIA推出兩款基于NVIDIA Ampere架構(gòu)的全新臺(tái)式機(jī)GPU

    兩款 NVIDIA Ampere 架構(gòu) GPU 為工作站帶來實(shí)時(shí)光線追蹤功能和生成式 AI 工具支持。
    的頭像 發(fā)表于 04-26 11:25 ?528次閱讀

    NVIDIA cuOpt算法將路徑優(yōu)化求解速度提高100倍

    NVIDIA cuOpt 是一個(gè)用于解決復(fù)雜路徑問題的加速優(yōu)化引擎。它能高效解決不同方面的問題,如休息時(shí)間、等待時(shí)間、多個(gè)車輛成本和時(shí)間矩陣、多個(gè)目標(biāo)、訂單-車輛匹配、車輛起始和結(jié)束位置、車輛起始和結(jié)束時(shí)間等。
    的頭像 發(fā)表于 04-19 10:09 ?368次閱讀
    <b class='flag-5'>NVIDIA</b> cuOpt算法將<b class='flag-5'>路徑</b>優(yōu)化求解速度提高100倍

    全新NVIDIA RTX A400和A1000 GPU全面加強(qiáng)AI設(shè)計(jì)與生產(chǎn)力工作

    兩款 NVIDIA Ampere 架構(gòu) GPU 為工作站帶來實(shí)時(shí)光線追蹤功能和生成式 AI 工具支持。
    的頭像 發(fā)表于 04-18 10:29 ?405次閱讀

    IPv6 開創(chuàng)網(wǎng)絡(luò)技術(shù)的創(chuàng)新空間

    近年來,由于中國在互聯(lián)網(wǎng)標(biāo)準(zhǔn)制定方面的貢獻(xiàn)度逐年提升,在國際IPv6創(chuàng)新方面已形成主導(dǎo)力量。中國工程院院士、推進(jìn)IPv6規(guī)模部署專家委員會(huì)主任鄔賀銓認(rèn)為IPv6開創(chuàng)網(wǎng)絡(luò)技術(shù)的創(chuàng)新空間
    的頭像 發(fā)表于 04-02 11:22 ?379次閱讀
    IPv6 <b class='flag-5'>開創(chuàng)</b><b class='flag-5'>了</b>網(wǎng)絡(luò)技術(shù)的創(chuàng)新空間

    NVIDIA在加速識(shí)因智能AI大模型落地應(yīng)用方面的重要作用介紹

    本案例介紹 NVIDIA 在加速識(shí)因智能 AI 大模型落地應(yīng)用方面的重要作用。生成式大模型已廣泛應(yīng)用于各領(lǐng)域,通過學(xué)習(xí)人類思維方式,能快速挖掘海量內(nèi)容,滿足不同需求。
    的頭像 發(fā)表于 03-29 15:28 ?544次閱讀

    管理團(tuán)隊(duì)富有商業(yè)遠(yuǎn)見,助力聲通科技不斷完成開創(chuàng)性技術(shù)研發(fā)

    持續(xù)發(fā)展。作為中國交互式人工智能(交互式AI)領(lǐng)域的開拓者與領(lǐng)軍者,聲通科技的成功很大程度上要?dú)w功于其深耕行業(yè)數(shù)十年、富有商業(yè)遠(yuǎn)見且精誠合作的多元化管理團(tuán)隊(duì)。在可信賴的管理團(tuán)隊(duì)帶領(lǐng)下,聲通科技不斷完成開創(chuàng)性的技術(shù)
    的頭像 發(fā)表于 03-22 11:26 ?390次閱讀

    康謀產(chǎn)品 | 為ADAS/AD開創(chuàng)的次世代AutoGI仿真工具

    康謀aiSim5作為開創(chuàng)性ADAS/AD仿真模擬工具,配備高度優(yōu)化的傳感器模擬,提供確定且可重復(fù)的環(huán)境模擬支持,為下一代仿真工具設(shè)定新的標(biāo)準(zhǔn)。
    的頭像 發(fā)表于 01-29 17:50 ?616次閱讀
    康謀產(chǎn)品 | 為ADAS/AD<b class='flag-5'>開創(chuàng)</b>的次世代AutoGI仿真工具

    計(jì)算機(jī)快速全息生成技術(shù)研究

    快速生成全息圖的研究還很匱乏。關(guān)于使用路徑追蹤以最小的計(jì)算工作量和更少的計(jì)算時(shí)間快速生成CGH的研究很少。
    的頭像 發(fā)表于 12-12 11:15 ?467次閱讀
    計(jì)算機(jī)快速全息生成技術(shù)<b class='flag-5'>研究</b>

    阿迪達(dá)斯與 Covision Media 使用 AI 和 NVIDIA RTX 創(chuàng)建逼真的 3D 內(nèi)容

    Covision Media 正在使用 AI 和 NVIDIA RTX 改進(jìn) 3D 掃描流程和 3D 內(nèi)容創(chuàng)建。 Covis
    的頭像 發(fā)表于 11-28 18:45 ?589次閱讀
    阿迪達(dá)斯與 Covision Media 使用 AI 和 <b class='flag-5'>NVIDIA</b> RTX <b class='flag-5'>創(chuàng)建</b>逼真的 3D <b class='flag-5'>內(nèi)容</b>

    NVIDIA 校招 | 芯片架構(gòu)團(tuán)隊(duì)正在熱招!

    認(rèn)識(shí)我們 在 NVIDIA, 我們有這樣一個(gè)團(tuán)隊(duì) —— TPC Arch ( GPU 核心 TPC 架構(gòu) ) 團(tuán)隊(duì),各路大神在這里集結(jié),他們深度剖析 GPU 的性能瓶頸,潛心研究下一代
    的頭像 發(fā)表于 11-01 20:25 ?352次閱讀