本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

 “這太瘋狂了！”

“18個月前，訓(xùn)練NeRF需要5小時…”

“2個月前，訓(xùn)練NeRF需要是5分鐘！”

“現(xiàn)在，訓(xùn)練NeRF需要5秒?。?？？”

究竟發(fā)生了什么？竟讓谷歌研究科學(xué)家驚嘆至此。

（插播一下此前風(fēng)靡的NeRF模型：伯克利&谷歌聯(lián)合打造，少數(shù)靜態(tài)圖生成3D逼真效果）

而且類似的評價還有很多~

介紹這項技術(shù)的博文也熱度非常，不到一天時間就收獲了上千贊。

原來，這是來自于英偉達(dá)的最新技術(shù)——基于多分辨率哈希編碼的即時神經(jīng)圖形基元。

一只狐貍NeRF模型的只需要訓(xùn)練5秒鐘！

而且不光訓(xùn)練NeRF，該技術(shù)還在其他任務(wù)上也達(dá)到了驚人的訓(xùn)練速度。

實現(xiàn)了幾個數(shù)量級的組合加速。

能夠在幾秒鐘內(nèi)訓(xùn)練高質(zhì)量的神經(jīng)圖形基元，并在幾十毫秒內(nèi)渲染分辨率1920x1080的圖形。

單個GPU上實現(xiàn)多任務(wù)即時訓(xùn)練

先來看效果。

有沒有種在實驗室的眩暈感，這是來自iPhone視頻訓(xùn)練5分鐘的360度實時渲染效果~

還有想以34張真實照片重構(gòu)的3D圖像~

除了NeRF之外嗎，還有三個神經(jīng)圖形基元的實現(xiàn)。

Gigapixel Image

作者還友情提示，網(wǎng)絡(luò)是從頭開始訓(xùn)練的，如果眨眼的話，可能會錯過它。

以全連接網(wǎng)絡(luò)為參數(shù)的神經(jīng)圖形基元，訓(xùn)練和評估成本較高。

本文使用了一種多功能的新輸入編碼來降低成本。

這種編碼允許在不犧牲質(zhì)量的情況下使用更小的網(wǎng)絡(luò)，從而大大減少浮點數(shù)和內(nèi)存訪問數(shù)量。

具體而言，一個小型神經(jīng)網(wǎng)絡(luò)通過可訓(xùn)練特征向量的多分辨率哈希表進行擴充。這些特征向量的值通過隨機梯度下降優(yōu)化。

換句話說，這種編碼與任務(wù)無關(guān)。

研究團隊表示，他們在所有任務(wù)中都使用相同的案例和超參數(shù)，只改變了哈希表的大小。

目前該項目已開源，感興趣的旁友可戳下方鏈接~

GitHub鏈接：
https://github.com/NVlabs/instant-ngp
論文鏈接：
https://nvlabs.github.io/instant-ngp/assets/mueller2022instant.pdf
項目鏈接：
https://nvlabs.github.io/instant-ngp/