স্নায়ুবৈজ্ঞানিক জ্যামিতিক স্তরের বিস্তার: অন্তর্নিহিত ৩ডি আকৃতির সাথে রিয়েল-টাইম রেন্ডারিং
Author
Venue
আইইইই কম্পিউটার ভিশন অ্যান্ড প্যাটার্ন রিকগনিশন ২০২১
Abstract
নিউরাল সাইনড দূরত্ব ফাংশন (SDF) ৩ডি আকৃতির জন্য একটি কার্যকর উপস্থাপনা হিসেবে আবির্ভূত হচ্ছে। SDF-গুলো অবস্থান-ভিত্তিক একটি ফাংশনের মাধ্যমে ৩ডি পৃষ্ঠকে এনকোড করে, যা পৃষ্ঠের নিকটতম দূরত্ব প্রদান করে। সর্বাধুনিক পদ্ধতিগুলো সাধারণত জটিল আকৃতিকে অন্তর্নিহিত পৃষ্ঠের মাধ্যমে অনুমান করতে একটি বড়, স্থির-আকারের নিউরাল নেটওয়ার্কের মাধ্যমে SDF এনকোড করে। তবে এই বড় নেটওয়ার্কগুলো রেন্ডার করা গণনামূলকভাবে ব্যয়বহুল, কারণ প্রতিটি পিক্সেলের জন্য নেটওয়ার্কের মধ্য দিয়ে অনেকগুলো ফরওয়ার্ড পাস প্রয়োজন, যা এই উপস্থাপনাগুলোকে রিয়েল-টাইম গ্রাফিক্স অ্যাপ্লিকেশনের জন্য অনুপযোগী করে তোলে। আমরা একটি দক্ষ নিউরাল উপস্থাপনা উপস্থাপন করছি যা, প্রথমবারের মতো, উচ্চ-মানের নিউরাল SDF-এর রিয়েল-টাইম রেন্ডারিং সক্ষম করে, একই সাথে সর্বাধুনিক জিওমেট্রি পুনর্গঠন গুণমান অর্জন করে। আমরা অকট্রি-ভিত্তিক ফিচার ভলিউম ব্যবহার করে ইমপ্লিisit সারফেস উপস্থাপন করি, যা একাধিক পৃথক ডিটেইল লেভেল (LOD) অনুযায়ী স্বয়ংক্রিয়ভাবে আকৃতি মানিয়ে নেয় এবং SDF ইন্টারপোলেশনের মাধ্যমে ধারাবাহিক LOD সমর্থন করে। আমরা আরও একটি দক্ষ অ্যালগরিদম তৈরি করেছি, যা স্পার্স অকট্রি ট্রাভার্সালের মাধ্যমে শুধুমাত্র প্রয়োজনীয় LODগুলো কোয়ারি করে আমাদের নতুন নিউরাল SDF উপস্থাপনাকে রিয়েল-টাইমে সরাসরি রেন্ডার করতে সক্ষম। আমরা দেখাই যে, রেন্ডারিং গতির দিক থেকে আমাদের উপস্থাপনা পূর্ববর্তী কাজের তুলনায় ২–৩ অর্ডার অব ম্যাগনিটিউড বেশি কার্যকর। উপরন্তু, এটি জটিল আকৃতির জন্য ৩ডি জ্যামিতিক এবং ২ডি ইমেজ-স্পেস মেট্রিক্স উভয়ের ক্ষেত্রেই সর্বাধুনিক পুনর্গঠন গুণমান প্রদান করে।
