ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ТЕЛЕКОММУНИКАЦИЙ ИМ. ПРОФ. М. А. БОНЧ-БРУЕВИЧА"
Аналитический обзор по исследованиям в области нейронных сетей для компьютерной графики
Выполнил:
студент 2-го курса
дневного отделения
группы ИКПИ-92
Козлов Никита
Санкт-Петербург
2021
Содержание
Введение 2
Зачем использовать нейронные сети? 3
Нейронные сети для обработки изображений 4
Нейронные сети для ускорения алгоритмов графики 8
Выводы 12
Литература 14
Введение
Обзор научных публикаций показывает, что в настоящие время нейронные сети являются одной из наиболее популярных научных областей, сфера применений для которой постоянно расширяется. Причин этому несколько. Во-первых, нейронные сети – невероятно мощный метод моделирования, позволяющий воспроизвести чрезвычайно сложные зависимости. Во-вторых, нейронные сети просты в использовании. Нейронные сети учатся на примерах. Поэтому, пользователю достаточно лишь подобрать представительные данные и запустить алгоритм обучения, который автоматически воспринимает структуру данных. Более того, нейронные сети привлекательны и с интуитивной точки зрения, так как они основаны на примитивной биологической модели нервных систем. Таким образом, нейронные сети уже на данный момент имеют широкий спектр приложений, такие как:
Распознавание речи
Распознавание жестов
Распознавание рукописного ввода
Распознавание образов
Техническая диагностика
Медицинская диагностика
Прогнозирование временных рядов
Биоинформатика
Обнаружения мошенничества
Обнаружение спама
Категоризация документов
Биржевой технический анализ
Финансовый надзор
Кредитный скоринг
Прогнозирование ухода клиентов
Хемоинформатика
Обучение ранжированию в информационном поиске
И это, на самом деле, ещё далеко не всё, как было описано мной ранее, область применения стремительно расширяется и затрагивает почти все сферы жизнедеятельности. То, что ранее представлялось долгой и трудной работой, сейчас вполне может выполняться машиной, причём, с не менее достойным, а иногда и лучшим, результатом. Хорошим примером одной из таких областей является компьютерная графика.
В последнее время всё чаще появляются те или иные алгоритмы/приложения, использующие нейронные сети, которые позволяют нам работать с графикой значительно быстрее и эффективнее, и речь даже не только непосредственно о самой работе с изображениями (например, нейронные сети типа «Deepfake»), но и об ускорении алгоритмов визуализации. Постараемся разобраться в том, как работают нейронные сети в области компьютерной графики и какие задачи выполняют.
Зачем использовать нейронные сети?
Один из главных вопросов, которые мы можем задать прежде чем приступить к анализу – «зачем на вообще использовать нейронные сети в компьютерной графике?». Как минимум, для того чтобы систематизировать ту работу, которую трудоёмко выполнять, поставить её на поток и сократить затраты на производство. Например, как в случае с вышеупомянутой нейронной сетью типа «Deepfake», которая позволяет проанализировать человеческое лицо на предложенной нейронной сети фотографии или видео и заменить его на желаемое изображение. Технология уже внедряется в производство некоторых фильмов [7], поскольку нейронная сеть, в отличии от ручной работы, позволяет обрабатывать лица персонажей куда быстрее и эффективнее, чем человек.
Так же, на данный момент существует много примеров использования нейронных сетей для обработки компьютерной графики большими, влиятельными корпорациями, например, NVIDIA на конференции SIGGRAPH 2019 [3][4] использовала нейронные сети для того чтобы научить машину рисовать фотореалистичные пейзажи по наброску, заданному пользователем [5].
У NVIDIA в целом существует много приложений, использующих нейронные сети для обработки компьютерной графики. Их можно найти в соответствующем разделе на сайте NVIDIA [6].