ما المقصود بحقل الإشعاع العصبوني؟

حقل الإشعاع العصبوني (nERF) عبارة عن شبكة عصبونية يمكنها إعادة بناء مشاهد معقدة ثلاثية الأبعاد من مجموعة جزئية من الصور الثنائية الأبعاد. الصور الثلاثية الأبعاد مطلوبة في العديد من تطبيقات إنترنت الأشياء (IoT) والمحاكاة والألعاب والوسائط لجعل التفاعلات الرقمية أكثر واقعية ودقة. يتعلم حقل الإشعاع العصبوني النواحي الهندسية والكائنات والزوايا في مشهد معين، وبعد ذلك، يقدم طرق عرض ثلاثية الأبعاد تتسم بالواقعية من وجهات نظر جديدة، ما ينشئ تلقائيًا بيانات اصطناعية لملء الفجوات.

القراءة عن الشبكات العصبونية

القراءة عن إنترنت الأشياء

ما حالات استخدام حقول الإشعاع العصبونية؟

يمكن لحقول الإشعاع العصبونية (NeRF) أن تشكِّل مشاهد معقدة وتنشئ صورًا لحالات الاستخدام المختلفة.

رسومات الكمبيوتر والرسوم المتحركة

في رسومات الكمبيوتر، يمكنك استخدام حقول الإشعاع العصبونية (NeRF) لإنشاء تأثيرات بصرية وعمليات محاكاة ومشاهد واقعية. تكتسب حقول الإشعاع العصبونية صفات البيئات والشخصيات والصور الأخرى النابضة بالحياة وتشكِّلها وتسقطها. وتُستخدم حقول الإشعاع العصبونية بشكل شائع لتحسين رسومات ألعاب الفيديو وتأثيرات أفلام الرسوم المتحركة.

التصوير الطبي

تسهِّل حقول الإشعاع العصبونية (NeRF) إنشاء هياكل تشريحية شاملة من عمليات المسح ثنائية الأبعاد، مثل التصوير بالرنين المغناطيسي. ويمكن لتقنيتها إعادة بناء تمثيلات واقعية لأنسجة الجسم وأعضائه، ما يمنح الأطباء والمتخصصين الطبيين سياقًا مرئيًا مفيدًا. 

الواقع الافتراضي

حقول الإشعاع العصبونية هي تقنية حيوية في الواقع الافتراضي وعمليات محاكاة الواقع المعزز. ونظرًا إلى قدرتها على تصميم مشاهد ثلاثية الأبعاد بدقة، فإنها تسهِّل إنشاء بيئات افتراضية واقعية واستكشافها. اعتمادًا على اتجاه المشاهدة الخاص بك، يمكن لحقل الإشعاع العصبوني عرض معلومات مرئية جديدة، بل وتشكيل كائنات افتراضية في مساحة حقيقية.

صور الأقمار الصناعية والتخطيط

توفر صور الأقمار الصناعية مجموعة من الصور التي يمكن لحقول الإشعاع العصبونية (NeRF) استخدامها لإنتاج نماذج شاملة لسطح الأرض. وهي مفيدة لحالات استخدام التقاط الواقع (RC) التي تتطلب رقمنة بيئات العالم الحقيقي، حيث يمكنك تحويل بيانات الموقع المكاني إلى نماذج ثلاثية الأبعاد مفصلة للغاية. على سبيل المثال، تُستخدم تقنية إعادة بناء الصور الجوية في عمليات تشكيل المناظر الطبيعية بشكل شائع في التخطيط الحضري؛ لأنها تعطي مرجعًا مفيدًا لتخطيط العالم الحقيقي للمنطقة. 

تعرض الصورة التالية مثالاً لنموذج بناء ثلاثي الأبعاد.

 

كيف تعمل حقول الإشعاع العصبونية؟

تمتلك الصور ثلاثية الأبعاد المشكَّلة بواسطة الكمبيوتر والمنشأة باستخدام تقنيات الرسومات الرقمية المختلفة العديد من الخصائص المميزة التي تحدد جودتها وواقعيتها. على سبيل المثال:

  • الجوانب الهندسية، مثل الموضع والاتجاه ومقياس حجم النماذج ثلاثية الأبعاد في المشهد
  • جوانب الإضاءة، مثل الظلال والسطوع والألوان والانعكاسات 
  • الشفافية والشفافية مع الانعكاس اللتان تُظهران كيفية مرور الضوء عبر مواد مثل الزجاج أو الضباب
  • الحجم والكثافة، مثل كثافة الدخان أو السُحب
  • الملمس الذي يحاكي مواد مثل القماش أو الخشب أو المعدن

يؤدي اختيار الألوان وتوزيعها أيضًا دورًا رئيسًا في التأثير البصري للصورة. يحدد التظليل كيفية إضاءة المساحات السطحية المختلفة، ما يخلق إحساسًا بالعمق والتكوين.

تجمع حقول الإشعاع العصبونية (NeRF) بين تقنيات رسومات الكمبيوتر وبنية الشبكة العصبونية للتعامل مع جميع الجوانب السابق ذكرها. 

تُعد الصورة التالية مثالاً لصورة ثلاثية الأبعاد مشكَّلة بالكمبيوتر.

بنية حقول الإشعاع العصبونية

تستخدم حقول الإشعاع العصبونية (NeRF) جانبًا عصبونيًا يُسمى الإدراك متعدد الطبقات (MLP)، وهو بنية شبكة عصبونية متصلة بالكامل، لإنشاء تمثيل لمشهد ثلاثي الأبعاد. يُعد الإدراك متعدد الطبقات نموذجًا أساسيًا في الشبكات العصبونية والتعليم العميق. وهو مدرَّب على تعيين الإحداثيات المكانية وعرض الاتجاهات لقيم اللون والكثافة. يستخدم الإدراك متعدد الطبقات سلسلة من التراكيب الرياضية التي تنظم المدخلات - مثل الموضع في الفضاء ثلاثي الأبعاد أو اتجاه العرض ثنائي الأبعاد - لتحديد قيم اللون والكثافة في كل نقطة في صورة ثلاثية الأبعاد. 

تتعلم الشبكة أيضًا كيفية تغيير سطوع أشعة الضوء ولونها في المشهد. من خلال تطوير فهم لهذه الأشعة، المعروفة باسم نمذجة الإشعاع، يمكنها عرض ألوان وكثافات مختلفة من منظورات مختلفة. 

القراءة عن التعليم العميق

أنواع حقول الإشعاع العصبونية

كانت الإصدارات الأولى من حقول الإشعاع العصبونية (NeRF) بطيئة وصعبة التحسين وبحاجة إلى مدخلات من الصور لتتناسب مع الإضاءة باستخدام أشعة الكاميرا نفسها. منذ ذلك الحين، شهدت التكنولوجيا الأولية العديد من التحسينات والتعديلات.

PixelNeRF

كان PixelNeRF (CPVR 2021) أحد الأشكال الأولية المستحدثة لحقول الإشعاع العصبونية. ويقدم هذا النشر بنية تلافيفية بالكامل يمكن أن تعتمد على مدخلات صورة واحدة. ويلغي هذا النهج الحاجة إلى العديد من العروض المُعايرة والمنظمة ويقلل من إجمالي الموارد الحوسبية المطلوبة. أدى هذا النهج الجديد إلى تبسيط عملية إنشاء حقول الإشعاع العصبونية وتحسينها.

Mega-NeRD

يُعد Mega-NeRD (CVPR 2022) إطار عمل آخر لحقول الإشعاع العصبونية، وهو مفيد بشكل خاص عند العمل مع المشاهد واسعة النطاق. وهو يقدم خوارزمية تجميع هندسية بديلة وبنية شبكة متفرقة تمكِّنه من معالجة الصور ذات ظروف الإضاءة المتنوعة. يستخدم حقل الإشعاع العصبوني المحسّن هذا شبكة إشعاع عصبونية متفرقة (snERG) لاكتساب صفات بيئات العالم الحقيقي وتشكيلها على نحو فعال.

حقول فوكسل المتفرقة العصبونية (NSVF)

إن حقول فوكسل المتفرقة العصبونية (NSVF) عبارة عن حقل إشعاع عصبوني يمكنه تخطي أي وحدات بكسل فارغة في أثناء مرحلة التشكيل، ما يزيد من سرعة هذه المرحلة. وتتعلم هذه التقنية هيكليات البكسل في خلايا الشبكة، ما يمكِّنها من إنشاء صور عالية الجودة بدون الحاجة إلى منظورات محددة.

الفوكسل ذو المجال الضوئي

بدلاً من استخدام الشبكة العصبونية ذات الإدراك متعدد الطبقات، يستخدم الابتكار Plenoptic Voxel (2021)، أو الفوكسل ذو المجال الضوئي، شبكة ثلاثية الأبعاد متفرقة. باستخدام هذه الشبكة، يمكنك زيادة سرعة تشكيل عمليات المحاكاة الجديدة مع الحفاظ على الدقة البصرية من خلال استنتاج قيم الفوكسل.

كيف تشكل حقول الإشعاع العصبونية الصور؟

التشكيل العصبوني هو مصطلح لعملية إنشاء الصورة بواسطة حقل الإشعاع العصبوني (NeRF). تستخدم حقول الإشعاع العصبونية تقنيات مختلفة لتحويل البيانات الأولية إلى تمثيلات ثلاثية الأبعاد تفصيلية.

تشكيل الرسومات

تمكّن تقنيات التشكيل المكتسبة من مجال رسومات الكمبيوتر نماذج حقل الإشعاع العصبوني (NeRF) من إسقاط المشاهد ومعالجتها هندسيًا. على سبيل المثال:

  • يحاكي إسقاط الأشعة (Ray casting) منظور المستخدم لحساب مجال رؤية الكائنات 
  • يوسِّع تتبع الأشعة (Ray tracing) هذا المفهوم من خلال محاكاة الطبيعة المادية للضوء، بما في ذلك الانعكاس والانكسار والظلال
  • يحوِّل المسح المجالي (Rasterization) معلومات المتجهات ثلاثية الأبعاد إلى وحدات بكسل على شاشة ثنائية الأبعاد باستخدام خوارزميات مختلفة لمحاكاة تأثيرات الإضاءة والملمس بكفاءة

التشكيل الحجمي

يُعد التشكيل الحجمي إستراتيجية أساسية أخرى. تحدد الخوارزمية قيم الأحمر والأخضر والأزرق والألفا (كثافة الحجم) لكل بكسل في مساحة أو صورة ثلاثية الأبعاد. وتتناسب هذه الأرقام مع مواضعها المقابلة في صورة ثنائية الأبعاد.

وتتمثل تقنية أخرى في تخليق العرض، الذي يسلك اتجاهًا عكسيًا للتشكيل الحجمي. وتنشئ هذه التقنية عرضًا ثلاثي الأبعاد من سلسلة من الصور ثنائية الأبعاد. ينشئ تخليق العرض تخطيطًا نصف كروي يمثل الكائن باستخدام مجموعة من الصور المأخوذة من زوايا مختلفة. تضع هذه العملية كل صورة ثنائية الأبعاد بشكل متناسب مع موضعها المقابل حول كائن ما، وتعيد بناءها في صورة ثلاثية الأبعاد.

كيف يمكن لـ AWS دعم تلبية متطلبات مجال الإشعاع العصبوني لديك؟

تقدم Amazon Web Services (AWS) خدمتين لدعم متطلبات حقل الإشعاع العصبوني.

AWS RoboMaker عبارة عن خدمة محاكاة قائمة على السحابة يمكنك استخدامها لتشغيل المحاكاة وتوسيع نطاقها وأتمتتها بدون إدارة بنيات تحتية. تعمل AWS RoboMaker على جعل بيئات محاكاة المباني أسرع وبأسعار أقل تكلفة من خلال توفير عوالم محاكاة وأصول متنوعة ثلاثية الأبعاد. يمكنك استخدام أصول المحاكاة هذه لإنشاء بيئات محاكاة لتتناسب مع مستوى الدقة المطلوب. باستخدام AWS RoboMaker WorldForge، يمكنك إنشاء المئات من عوالم المحاكاة السكنية الداخلية الثلاثية الأبعاد المتنوعة والمحددة من جانب المستخدم في دقائق معدودة.

AWS IoT TwinMaker هي خدمة تنشئ توائم رقمية لأنظمة العالم الواقعي، مثل المباني والمصانع والمعدات الصناعية وخطوط الإنتاج. وهي تمنح القدرة على استخدام البيانات القائمة المستمدة من مصادر متعددة، وإنشاء تمثيلات افتراضية لأي بيئة مادية، ودمج النماذج ثلاثية الأبعاد القائمة مع بيانات العالم الواقعي. وباستخدام AWS IoT TwinMaker، يمكنك تسخير التوائم الرقمية لإنشاء رؤية شاملة لعملياتك التشغيلية بشكل أسرع وبجهد أقل.

ابدأ استخدام حقول الإشعاع العصبوني على AWS عن طريق إنشاء حساب اليوم.

الخطوات التالية على AWS

تحقّق من الموارد الإضافية المتعلقة بالمنتج
ابتكر بشكل أسرع مع خدمات الذكاء الاصطناعي المولد من AWS 
تسجيل الاشتراك للحصول على حساب مجاني

تمتع بالوصول الفوري إلى الطبقة المجانية من AWS.

تسجيل الاشتراك 
ابدأ في التطوير في وحدة التحكم

بدء الإنشاء في وحدة إدارة تحكم AWS.

تسجيل الدخول