მკვლევარები ქმნიან ხელოვნური ინტელექტის მხარდაჭერით რეალურ დროში 3D ჰოლოგრამებს სმარტფონებზე

სმარტფონები მალე შეძლებენ ფოტორეალისტური 3D ჰოლოგრამების გენერირებას, ნაწილობრივ ამის წყალობით ხელოვნური ინტელექტის მოდელი, რომელიც შეიმუშავეს MIT-ის მკვლევარებმა. AI სისტემა შემუშავებული MIT გუნდის მიერ განსაზღვრავს ჰოლოგრამების გენერირების საუკეთესო გზას შეყვანილი სურათების სერიიდან.

MIT-ის მკვლევარებმა ახლახან შეიმუშავეს ხელოვნური ინტელექტის მოდელები, რომლებიც იძლევა ფოტორეალისტური 3D ჰოლოგრამების გენერირების საშუალებას. ტექნოლოგიას შეიძლება ჰქონდეს აპლიკაციები VR და AR ყურსასმენებისთვის და ჰოლოგრამების გენერირება შესაძლებელია სმარტფონითაც კი.

ტრადიციული 3D და VR დისპლეებისგან განსხვავებით, რომლებიც უბრალოდ წარმოქმნიან სიღრმის ილუზიას და რამაც შეიძლება გამოიწვიოს გულისრევა და თავის ტკივილი, ჰოლოგრაფიული დისპლეები შეიძლება დაინახონ ადამიანებს თვალის დაძაბვის გარეშე. ჰოლოგრაფიული მედიის შექმნის მთავარი დაბრკოლება არის ჰოლოგრაფის რეალურად გენერირებისთვის საჭირო მონაცემების დამუშავება. ყოველი ჰოლოგრამა შედგება დიდი რაოდენობით მონაცემებისგან, რომლებიც საჭიროა ჰოლოგრამის „სიღრმის“ შესაქმნელად. ამის გამო, ჰოლოგრაფიის გენერირება, როგორც წესი, მოითხოვს გამოთვლითი სიმძლავრის დიდ რაოდენობას. ჰოლოგრაფიული ტექნოლოგია უფრო პრაქტიკული რომ ყოფილიყო, MIT-ის გუნდმა გამოიყენა ღრმა კონვოლუციური ნერვული ქსელები პრობლემაზე, შექმნა ქსელი, რომელსაც შეუძლია სწრაფად შექმნას ჰოლოგრამები შეყვანის სურათებზე დაყრდნობით.

ჰოლოგრამების გენერირების ტიპიური მიდგომა არსებითად წარმოქმნიდა ჰოლოგრამების ბევრ ნაწილს და შემდეგ იყენებდა ფიზიკურ სიმულაციას ნაწილაკების გაერთიანებისთვის ობიექტის ან გამოსახულების სრულ წარმოდგენაში. ეს განსხვავდება ჰოლოგრამების გენერირებისთვის გამოყენებული ტიპიური მიდგომისგან. ტრადიციულ მეთოდში, სურათები იშლება ერთმანეთისგან და გამოიყენება საძიებო ცხრილების სერია ჰოლოგრამის ნაწილაკების ერთმანეთთან შესაერთებლად, რადგან საძიებო ცხრილები აღნიშნავენ სხვადასხვა ჰოლოგრამის ნაჭრების საზღვრებს. ჰოლოგრაფიული ნაწილაკების საზღვრების განსაზღვრის პროცესი გარეგნობის ცხრილებით საკმაოდ შრომატევადი და დამუშავების ძალაა.

IEEE Spectrum-ის მიხედვითMIT-ის გუნდმა შექმნა ჰოლოგრამების გენერირების კიდევ ერთი მეთოდი. ღრმა სწავლის ქსელების ძალის გამოყენებით, მათ შეძლეს სურათების ნაწილებად დაჭრა, რომლებიც შეიძლება ხელახლა შეესაბამებოდეს ჰოლოგრამებში გაცილებით ნაკლები „ნაჭრის“ გამოყენებით. ახალი ტექნიკა იყენებს კონვოლუციური ნერვული ქსელების უნარს, გააანალიზოს სურათები და გამოყოს სურათები დისკრეტულ ნაწილებად. სურათების ანალიზისა და დაქუცმაცების ეს ახალი მეთოდი მნიშვნელოვნად ამცირებს მთლიანი ოპერაციების რაოდენობას, რომელიც სისტემამ უნდა განახორციელოს.

იმისათვის, რომ შეემუშავებინათ ხელოვნური ინტელექტის მქონე ჰოლოგრაფიული გენერატორი, კვლევითმა ჯგუფმა დაიწყო მონაცემთა ბაზის აგება, რომელიც შედგებოდა დაახლოებით 4000 კომპიუტერის მიერ გენერირებული სურათისგან, თითოეულ ამ სურათზე მინიჭებული შესაბამისი 3D ჰოლოგრამა. კონვოლუციური ნეირონული ქსელი გაწვრთნილი იყო ამ მონაცემთა ბაზაზე, შეიტყო, როგორ იყო თითოეული სურათი მიბმული მის ჰოლოგრამასთან და ჰოლოგრამების გენერირებისთვის ფუნქციების გამოყენების საუკეთესო გზა. როდესაც ხელოვნური ინტელექტის სისტემას მიეწოდებოდა უხილავი მონაცემები სიღრმისეული ინფორმაციით, მას შეეძლო ახალი ჰოლოგრამების გენერირება ამ მონაცემებისგან. სიღრმის შესახებ ინფორმაციის მიწოდება ხდება მრავალკამერიანი დისპლეის ლიდარის სენსორების გამოყენებით და გამოსახულია კომპიუტერის მიერ გენერირებული გამოსახულების სახით. ზოგიერთ ახალ iPhone-ს აქვს ეს კომპონენტები, რაც იმას ნიშნავს, რომ მათ შეუძლიათ პოტენციურად წარმოქმნან ჰოლოგრამები, თუ ისინი დაკავშირებულია სწორი ტიპის ეკრანთან.

ახალი ხელოვნური ინტელექტის მქონე ჰოლოგრამის სისტემას გაცილებით ნაკლები მეხსიერება სჭირდება, ვიდრე კლასიკურ მეთოდებს. სისტემას შეუძლია შექმნას 3D ჰოლოგრამები 60 კადრი წამში სრული ფერით, გარჩევადობით 1920 x 1080, დაახლოებით 620 კილობაიტი მეხსიერების გამოყენებით, ერთი საყოველთაოდ ხელმისაწვდომი GPU-ზე მუშაობისას. მკვლევარებმა შეძლეს თავიანთი სისტემების გაშვება iPhone 11-ზე, რომელიც აწარმოებდა დაახლოებით 1 ჰოლოგრამს წამში, ხოლო Google Edge TPU სისტემას შეეძლო 2 ჰოლოგრამის გადაცემა წამში. ეს ვარაუდობს, რომ სისტემა შეიძლება მოერგოს სმარტფონებს, AR მოწყობილობებს და ზოგადად VR მოწყობილობებს. სისტემას ასევე შეიძლება ჰქონდეს აპლიკაციები მოცულობითი 3D ბეჭდვისთვის ან ჰოლოგრაფიული მიკროსკოპების დიზაინში.

მომავალში, ტექნოლოგიის გაუმჯობესებამ შეიძლება შემოიტანოს თვალის თვალთვალის აპარატურა და პროგრამული უზრუნველყოფა, რაც ჰოლოგრამებს საშუალებას მისცემს დინამიურად გაიზარდოს გარჩევადობა, როდესაც მომხმარებელი უყურებს კონკრეტულ ადგილებს.