Kunstig intelligens for bedre computergrafik

På TU Wien (Wien), neurale netværk er blevet udviklet, som gør det meget lettere at skabe fotorealistiske billeder af en lang række materialer.

Hvis computergenererede billeder skal se realistiske ud, forskellige materialer skal præsenteres forskelligt:​​Metallens glans af en mønt ser ganske anderledes ud end den kedelige glans på en træplade eller den lidt gennemsigtige hud af en drue. Præcis simulering af sådanne materielle effekter kræver normalt meget erfaring og tålmodighed. Mange forskellige parametre skal justeres omhyggeligt, så tager computeren et stykke tid at beregne det tilsvarende billede, og derefter gentages den samme procedure, indtil resultatet er fuldt ud tilfredsstillende.

På TU Wien (Wien), nye metoder er nu blevet udviklet, der gør denne proces meget hurtigere og lettere. En kunstig intelligens genkender designerens kreative ønsker og foreslår autonomt passende prøvebilleder. Et neuralt netværk anvender de valgte materialeparametre til et prøveobjekt i realtid. For meget forskellige applikationer inden for grafikområdet, dette er et stort skridt fremad – fra spildesign og filmanimation til arkitektonisk visualisering.

Kunstig intelligens i stedet for raytracing

"Normalt skal vi manuelt justere op til hundredvis af parametre for at få et objekt til at se fotorealistisk ud, "siger Károly Zsolnai-Fehér fra Institute for Visual Computing and Human-Centered Technology ved Vienna University of Technology." Hvis du vil skabe et billede, der indeholder mange forskellige materialer, at finde en helt tilfredsstillende løsning er udfordrende og tidskrævende. "

Det er derfor, Zsolnai-Fehér, der arbejder i teamet af prof. Michael Wimmer, har brugt metoder til kunstig intelligens. For at computeren kan lære at vise et bestemt materiale, forskellige versioner af et eksempelobjekt vises. En person klikker på det billede, der ser tættest på det ønskede resultat. Efter et par træningsrunder, den kunstige intelligens har lært de fysiske egenskaber af det ønskede materiale. "På den måde erhverver systemet parametre, som derefter kan bruges til at indsætte objekter af dette materiale i ethvert billede, matcher enhver specifik belysning, " forklarer Michael Wimmer.

Ikke kun smuk, men også hurtig

Imidlertid, det er ikke nok, at computeren hurtigt tilpasser sig den menneskelige grafikers ønsker – det er også vigtigt, at forhåndsvisningsbillederne i hver testrunde vises så hurtigt som muligt. I de fleste tilfælde, fotorealistiske billeder genereres ved fysisk at simulere udbredelsen af ​​lysstråler så præcist som muligt. Imidlertid, med sådanne fysikbaserede metoder, at oprette et testbillede tager et par minutter. Hvis softwaren skal beregne et nyt testbillede hundredvis af gange på jagt efter de optimale parametre, dette bliver hurtigt en nervepirrende oplevelse for de involverede mennesker.

Derfor bruges kunstig intelligens også, når preview-billederne genereres:Ud over maskinlæringsalgoritmen, som foreslår de passende parametre, Károly Zsolnai-Fehér har også udviklet et neuralt netværk, som anvender de respektive materialeparametre på et prøveobjekt meget hurtigere, end det nogensinde har været muligt med standard computerkode. Hvis det er nødvendigt, resultaterne kan derefter justeres og forfines på en meget brugervenlig måde.

Selv komplicerede materialer, såsom reflekterende overflader eller grumsete skærme, er ikke et problem for neurale netværk. "Vores tilgang er velegnet til både begyndere og professionelle, og jeg håber, det vil finde bred anvendelse inden for computergrafik, "siger Zsolnai-Fehér.

vækker opmærksomhed i grafikfællesskabet

De nye metoder blev præsenteret for første gang på verdens største og mest prestigefyldte computergrafiske konference SIGGRAPH, som fandt sted i august 2018. "Károly Zsolnai-Fehérs nye metoder har siden vakt stor opmærksomhed blandt computergrafikere, " siger forskningsgruppeleder Michael Wimmer. "Metoden er et stort skridt fremad for det grafiske samfund." Billeder skabt ved hjælp af det nye neurale netværksskib er nu endda blevet valgt til forsiden af ​​den officielle SIGGRAPH-konferencerapport.