メインコンテンツへスキップ
ToolPotion
AI アドバイザー
送信(無料)

Instant Neural Graphics Primitives

AI モデル3Dモデル生成ツールオープンソース · Windows, Linux

このAIモデルは、ニューラルグラフィックスプリミティブに対するマルチ解像度ハッシュエンコーディングを導入し、単一GPUでのニューラルネットワークのほぼ瞬時のトレーニングを可能にします。ギガピクセル画像表現、ニューラルSDF、NeRF再構成などのタスクにおけるトレーニング時間と計算コストを大幅に削減し、高品質とシンプルさを提供します。

モデルを見る
共有
モデルを見る
共有

マルチ解像度ハッシュエンコーディングによるInstant Neural Graphics Primitivesは、ニューラルグラフィックスプリミティブのトレーニングと評価を高速化するための新しいアプローチを提示します。従来、全結合ニューラルネットワークによってパラメータ化されるこれらのプリミティブは、計算コストが高くなる可能性があります。この新しいエンコーディング方法は、品質を損なうことなく小さなニューラルネットワークの使用を可能にすることで、これらのコストを大幅に削減します。主な革新は、小さなニューラルネットワークに、学習可能な特徴ベクトルのマルチ解像度ハッシュテーブルを付加することにあります。

続きを読む

これらの特徴ベクトルは、確率的勾配降下法によって最適化されます。ハッシュテーブルのマルチ解像度構造は、ネットワークがハッシュ衝突を効果的に曖昧化できるようにするため、非常に重要です。これにより、最新のGPUで高度に並列化可能な、シンプルでありながら強力なアーキテクチャが実現します。このシステムは、帯域幅と計算操作の無駄を最小限に抑えるように細心の注意を払って設計された、完全に融合したCUDAカーネルを通じてこの並列性を活用します。この最適化により、数桁の速度向上が実現され、秒単位での高品質なニューラルグラフィックスプリミティブのトレーニングと、1920x1080のような解像度でのミリ秒単位でのレンダリングが可能になります。

このエンコーディングはタスクに依存しないため、同じ実装とハイパーパラメータをさまざまなアプリケーションで使用でき、品質とパフォーマンスのバランスを取るためにハッシュテーブルのサイズのみを調整します。この汎用性により、ギガピクセル画像の表現、3D空間での符号付き距離関数(SDF)の学習、NeRF(Neural Radiance Fields)の体積放射輝度および密度フィールドの再構成、体積パストレーシングからの直接的なノイズ除去放射輝度および密度フィールドの学習など、多様なタスクに適用できます。瞬時のトレーニング、高品質、アーキテクチャのシンプルさという利点は、これらのアプリケーション全体で一貫して実証されています。

この技術は、2022年にSIGGRAPH最優秀論文賞を受賞し、TIME誌の2022年ベスト発明品に選ばれました。付属のコードはGitHubで公開されており、コンピュータグラフィックスとAIの研究者や実務家による採用とさらなる開発を促進します。この論文は、2022年1月にarXivで最初に公開され、その後SIGGRAPH 2022のACM Transactions on Graphicsに採択されました。

  • カテゴリー3Dモデル生成ツール
  • 料金モデルオープンソース
  • デプロイクラウド
  • プラットフォームWindows, Linux

  • 単一GPUでのニューラルグラフィックスプリミティブのほぼ瞬時のトレーニング

  • ニューラルネットワークのためのマルチ解像度ハッシュエンコーディング

  • 計算コストとメモリアクセス操作の削減

  • 品質を犠牲にすることなく、より小さなニューラルネットワークの使用を可能にする

  • さまざまなグラフィックスタスクに適用可能なタスク非依存エンコーディング

  • ギガピクセル画像、NeRF、SDFのための高品質な結果

  • 完全に融合したCUDAカーネルによるGPU並列化のための最適化

  • トレーニングとレンダリングにおける大幅な速度向上(数桁)

  • 1920x1080解像度でのリアルタイムレンダリングを実現

  • 簡単な並列化によるシンプルなアーキテクチャ

  • 品質/パフォーマンスのトレードオフのための適応可能なハッシュテーブルサイズ

  1. モデルへのアクセス: 提供されたGitHubリポジトリからコードをダウンロードまたはクローンします。

  2. 環境設定: ドキュメントに従って、必要な依存関係とCUDAツールキットをインストールします。

  3. エンコーディングの統合: ニューラルネットワークアーキテクチャ内にマルチ解像度ハッシュエンコーディングを実装します。

  4. プリミティブのトレーニング: NeRF、SDF、または画像表現などのタスクに提供されたトレーニングスクリプトを利用します。

  5. ハイパーパラメータの最適化: 目的の品質と速度に合わせてハッシュテーブルサイズとネットワークパラメータを調整します。

  6. 結果のレンダリング: 最適化されたモデルを使用して、グラフィックスプリミティブを高速にレンダリングします。

  • ニューラル放射輝度フィールド
  • ギガピクセル画像
  • 符号付き距離関数
  • リアルタイムレンダリング
  • 体積レンダリング
  • グラフィックスプリミティブトレーニング

NVIDIA の製品

Instant Neural Graphics Primitives のレビュー

読み込み中...

Instant Neural Graphics Primitives に似た人気のAIツール

fastai

AI フレームワーク

fastaiは、実務家および研究者向けに設計されたディープラーニングライブラリです。最先端の結果を迅速に開発するための高レベルコンポーネントと、新しいアプローチのための低レベルコンポーネントを提供します。レイヤードアーキテクチャとPythonのダイナミズムを通じて、使いやすさ、柔軟性、パフォーマンスを目指しています。

機械学習とデータサイエンス

AI フレームワークで第19位

ツールを見る

AI フレームワーク

実務家および研究者向けに設計されたディープラーニングライブラリです。最先端の結果を迅速に開発するための高レベルコンポーネントと、新しいアプローチのための低レベルコンポーネントを提供します。レイヤードアーキテクチャとPythonのダイナミズムを通じて、使いやすさ、柔軟性、パフォーマンスを目指しています。fastaiは、実務家および研究者向けに設計されたディープラーニングライブラリです。最先端の結果を迅速に開発するための高レベルコンポーネントと、新しいアプローチのための低レベルコンポーネントを提供します。レイヤードアーキテクチャとPythonのダイナミズムを通じて、使いやすさ、柔軟性、パフォーマンスを目指しています。

注目機械学習とデータサイエンス
AI フレームワークで第19位

SqueezeNetは、PyTorchで利用可能なディープ畳み込みニューラルネットワークモデルです。AlexNetと同等の精度を、はるかに少ないパラメータ数と小さいモデルサイズで実現しており、様々なコンピュータビジョンタスクに効率的です。このモデルはImageNetで事前学習済みであり、PyTorchプロジェクトに簡単に統合できます。

AIモデルとLLM
ツールを見る

PyTorchで利用可能なディープ畳み込みニューラルネットワークモデルです。AlexNetと同等の精度を、はるかに少ないパラメータ数と小さいモデルサイズで実現しており、様々なコンピュータビジョンタスクに効率的です。このモデルはImageNetで事前学習済みであり、PyTorchプロジェクトに簡単に統合できます。SqueezeNetは、PyTorchで利用可能なディープ畳み込みニューラルネットワークモデルです。AlexNetと同等の精度を、はるかに少ないパラメータ数と小さいモデルサイズで実現しており、様々なコンピュータビジョンタスクに効率的です。このモデルはImageNetで事前学習済みであり、PyTorchプロジェクトに簡単に統合できます。

AIモデルとLLM
AI モデル トップ5を見る

このリポジトリは、BEGAN (Boundary Equilibrium Generative Adversarial Networks) モデルのTensorFlow実装を提供します。画像合成のための生成モデルのトレーニングとテストを可能にし、カスタムデータセットとGPUアクセラレーションをサポートします。プロジェクトには、データローディング、モデルアーキ…

機械学習とデータサイエンス
ツールを見る

このリポジトリは、BEGAN (Boundary Equilibrium Generative Adversarial Networks) モデルのTensorFlow実装を提供します。画像合成のための生成モデルのトレーニングとテストを可能にし、カスタムデータセットとGPUアクセラレーションをサポートします。プロジェクトには、データローディング、モデルアーキ…

機械学習とデータサイエンス
AI モデル トップ5を見る

WaveGlow

AI GitHub リポジトリ

WaveGlowは、NVIDIAによるテキストから音声合成のためのオープンソースのフローベースのニューラルネットワークです。メルスペクトログラムを与えると、自動回帰ステップなしで直接音声オーディオを生成します。単一の尤度ベースのコスト関数で訓練されています。PyTorchコードと事前訓練済みモデルは、音声合成ボコーダーを構築またはベンチマークする研究者やエン…

テキスト読み上げ
ツールを見る

AI GitHub リポジトリ

NVIDIAによるテキストから音声合成のためのオープンソースのフローベースのニューラルネットワークです。メルスペクトログラムを与えると、自動回帰ステップなしで直接音声オーディオを生成します。単一の尤度ベースのコスト関数で訓練されています。PyTorchコードと事前訓練済みモデルは、音声合成ボコーダーを構築またはベンチマークする研究者やエン…WaveGlowは、NVIDIAによるテキストから音声合成のためのオープンソースのフローベースのニューラルネットワークです。メルスペクトログラムを与えると、自動回帰ステップなしで直接音声オーディオを生成します。単一の尤度ベースのコスト関数で訓練されています。PyTorchコードと事前訓練済みモデルは、音声合成ボコーダーを構築またはベンチマークする研究者やエン…

テキスト読み上げ
AI GitHub リポジトリ トップ250を見る

このGitHubリポジトリは、NeurIPS 2021の論文「Revisiting Deep Learning Models for Tabular Data」の公式実装を提供します。表形式データのためのディープラーニングアーキテクチャを探求し、MLPライクなモデルを強力なベースラインとして強調し、Transformerアーキテクチャの強力な適応であるFT-…

AIモデルとLLM
ツールを見る

このGitHubリポジトリは、NeurIPS 2021の論文「Revisiting Deep Learning Models for Tabular Data」の公式実装を提供します。表形式データのためのディープラーニングアーキテクチャを探求し、MLPライクなモデルを強力なベースラインとして強調し、Transformerアーキテクチャの強力な適応であるFT-…

AIモデルとLLM
AI GitHub リポジトリ トップ250を見る

Caffe SSD

AI モデル

CaffeフレームワークとSSD実装による物体検出。このリポジトリは、高速でオープンなディープラーニングフレームワークを提供し、特にSingle Shot MultiBox Detectorに特化しています。単一のモデルで物体検出ネットワークのトレーニングと評価を可能にし、効率的なパフォーマンスを実現します。

コンピュータービジョンツール
ツールを見る

AI モデル

CaffeフレームワークとSSD実装による物体検出。このリポジトリは、高速でオープンなディープラーニングフレームワークを提供し、特にSingle Shot MultiBox Detectorに特化しています。単一のモデルで物体検出ネットワークのトレーニングと評価を可能にし、効率的なパフォーマンスを実現します。

コンピュータービジョンツール
AI モデル トップ5を見る

PyTorch

AI GitHub リポジトリ

PyTorchは、Pythonで動的ニューラルネットワークを構築するためのツールを提供するオープンソースの機械学習ライブラリであり、高速な計算のために強力なGPUアクセラレーションを活用しています。

機械学習とデータサイエンス
ツールを見る

AI GitHub リポジトリ

Pythonで動的ニューラルネットワークを構築するためのツールを提供するオープンソースの機械学習ライブラリであり、高速な計算のために強力なGPUアクセラレーションを活用しています。PyTorchは、Pythonで動的ニューラルネットワークを構築するためのツールを提供するオープンソースの機械学習ライブラリであり、高速な計算のために強力なGPUアクセラレーションを活用しています。

注目機械学習とデータサイエンス
AI GitHub リポジトリ トップ250を見る

Xception

AI モデル

Xceptionは、Keras 3 APIを通じて利用可能な深層学習モデルです。Keras Applicationsの一部として、様々なコンピュータビジョンタスク向けの事前学習済みモデルを提供します。Xceptionは画像分類および関連アプリケーション向けに設計されており、高度なAIシステムの構築のための堅牢な基盤を提供します。

AIモデルとLLM
ツールを見る

AI モデル

Keras 3 APIを通じて利用可能な深層学習モデルです。Keras Applicationsの一部として、様々なコンピュータビジョンタスク向けの事前学習済みモデルを提供します。Xceptionは画像分類および関連アプリケーション向けに設計されており、高度なAIシステムの構築のための堅牢な基盤を提供します。Xceptionは、Keras 3 APIを通じて利用可能な深層学習モデルです。Keras Applicationsの一部として、様々なコンピュータビジョンタスク向けの事前学習済みモデルを提供します。Xceptionは画像分類および関連アプリケーション向けに設計されており、高度なAIシステムの構築のための堅牢な基盤を提供します。

AIモデルとLLM
AI モデル トップ5を見る
1 / 8