g u t x .com.tr İpek yolu - Çin'i anlamaya götürürüm

Tsinghua Yao sınıfı mezunları, "Karlar Ülkesi" ni gerçekleştirmek için 99 satır kod içeren yeni bir özel efekt programlama dili geliştirir.

Aufei Tapınağı'ndan Bian Ce Balık ve Koyun Qubit Raporu | Genel Hesap QbitAI

Yalnızca 99 satırlık kodla, "Frozen" daki Prenses Aisha gibi buz büyüsüne de sahip olabilirsiniz.

Gerçek dünyada keyfi olarak sihir yapamasanız da, bilgisayarların sanal dünyasında özel efektler kullanabilirsiniz.

Belki filmlerde ve animasyonlarda özel efektlerin bazen sadece kısa bir saniye olduğunu bilmiyorsunuzdur, ancak bir hafta için hesaplama yapmak için yüksek performanslı bir bilgisayar gerektirebilirler ki bu şaşırtıcı derecede pahalıdır.

"Karlar Ülkesi" nin gerçek oyuncuları yok ama bütçesi 150 milyon ABD doları kadar yüksek .. Çekimlerin her saniyesi yanıyor. Çoğu insanın bilgisayarları CG özel efektleri yapmak için kullanmak istemesi düşünülemez.

Ancak, son zamanlarda MIT'den bir doktora, yeni bir CG özel efekt programlama dili geliştirdi Tai Chi ( Tai Chi ), eşiği büyük ölçüde azaltır.

Beyaz: kar; kırmızı: jöle; mavi: su

TensorFlow'dan 188 kat, PyTorch'tan 13.4 kat daha hızlı ve kod uzunluğu diğer düşük seviyeli yöntemlerin yalnızca onda biri kadar olan sıradan bir bilgisayarda sadece birkaç dakika içinde basit bir fiziksel sahne oluşturulabilir.

Kurulumu TensorFlow kadar kolaydır ve kullanıma benzer:

Importtaichiasti

Taichi'nin mucidi Hu Yuanming bile bunun için eksiksiz bir eğitim yazdı.

Taichi ile ilgili olarak Hu, SIGGRAGH 2018, ICRA 2019, NeurIPS2019, ICLR 2020, vb. Gibi en önemli konferanslara dahil olan birkaç makale yayınladı.

Peking Üniversitesi profesörü ve tanınmış bir bilgisayar grafik uzmanı olan Chen Baoquan yüksek bir değerlendirme yaptı:

Sınıf arkadaşı Hu Yuanming gibi! Fiziksel simülasyon programlama dili Taichi'yi kendim geliştirdim!

Yuanming gibi etkili açık kaynak kodu yazmaya bu kadar çok yatırım yapmak gerçekten övgüye değer.

SIGGRAPH gibi sonuçların ortaya çıkması 1 ila 2 yıl sürebilir.Kağıtların kabul oranı düşük, yayınlanabilse bile atıf oranı yüksek değildir.

Netizenler izledikten sonra şunları da söyledi: Yuanming çok güçlü.

Grafik + sistem + derleme gerçekten yaratmanın keyfi.

88 satırlık kod gerçek fiziksel ortamı simüle eder

Hu'nun da dediği gibi, 99 satır kod çok kısadır, ancak arkasındaki teknik hikaye çok uzun.

Hikayenin başlangıcı Maddi Nokta Yöntemi ile başlar.

MPM, film ve televizyon özel efektleri alanında yaygın olarak tercih edilen bir sürekliliği simüle etme yöntemidir. Disney'in "Karlar Ülkesi" bu teknolojiyi kullanır.

Ancak ilk günlerde MPM çok yavaştı, örneğin "Karlar Ülkesi" nde Anna'nın karda yürüdüğü sahnenin bir hafta boyunca kümede koşması gerektiği söyleniyor.

Hu Yuanming, MPM'nin çalışma hızını ve performansını iyileştirmek için son yılının yazında Moving En Küçük Kareler MPM (MLS-MPM) araştırmasına yatırım yaptı.

Hu Yuanmingin ilham kaynağı, En küçük kareleri taşıma APIC'de (Hücre İçi Afin Parçacık Yöntemi) afin hız alanının iki ayrıklaştırmasını ve MPM'de deformasyon gradyanı güncellemesini birleştirin.

Pennsylvania Üniversitesi'nden Profesör Jiang Chenfanfu'nun rehberliğinde, Hu Yuanming ve diğerleri, sadece gerilim sapmasının yeni ayrıklaştırılmasını değil, aynı zamanda MPM'nin daha hızlı çalışmasını sağlayan hareketli en küçük kareler malzeme noktası yöntemi (MLS-MPM) yönteminin çalışmasını tamamladı. çift Ve MPM'nin daha önce desteklemediği çeşitli yeni fenomenleri başarıyla simüle etti.

Malzeme kesimi gibi:

Sert gövdenin iki yönlü bağlantısı:

Bu sonuç nihayet SIGGRAPH 2018'de yayınlandı.

Hu Yuanming, MLS-MPM'nin basitliğini daha da kanıtlamak için 88 satır C ++ kodu Bir MLS-MPM demosu uygulanmaktadır. (Kod ayrıntıları için lütfen makalenin sonundaki taichi_mpm proje bağlantısını damgalayın).

Bu 88 satırlık sürüm daha sonra giriş MPM için gerekli bir referans uygulaması haline geldi.

ChainQueen Diferansiyel Fizik Motoru

2017 yazından sonra Hu Yuanming, doktora yapmak için resmi olarak MIT'ye girdi.

Şu anda Hu Yuanming'in yeni bir ilham kaynağı vardı: MLS-MPM'nin türevini bulmak. Türevlerle, sinir ağı denetleyicisi yalnızca gradyan inişi kullanılarak optimize edilebilir.

Bu düşüncenin rehberliğinde ChainQueen doğdu.

Hu Yuanming, zincirin, türetme sürecinde zincir kuralı tarafından işkence görme deneyimini anmak olduğunu ve ChainQueen'in Evren homofonik.

MLS-MPM'ye dayanan Qiankun, deforme olabilen nesneler için gerçek zamanlı bir türevlenebilir hibrit Lagrangian-Euler fizik simülatörüdür. Simülatör, hem ileri simülasyon hem de ters eğim hesaplamasında yüksek doğruluk sağlar.

Bu araştırma ICRA 2019'da yayınlandı ve Hu Yuanming de yüksek lisans tezini tamamladı.

DiffTaichi

Daha sonra Hu, çalışmasını bir adım daha ileri götürdü ve ICLR 2020'ye dahil edilen farklılaştırılabilir programlama DiffTaichi'yi önerdi.

Bu makalenin kodunda Hu, 10 farklı fizik simülatörü oluşturdu ve performanslarını mevcut kıyaslamalara göre karşılaştırdı.

Taichi'deki farklılaştırılabilir programlama, takviye öğrenimi kullanmadan kaba kuvvet gradyan inişi yoluyla sinir ağı denetleyicilerini etkili bir şekilde optimize edebilir.

10 farklılaştırılabilir simülatörün çoğu 2-3 saatte uygulanabilir ve çoğu bir GPU gerektirmez. Bu örneklerde, elastik cisimler, katı cisimler, sıvılar, ışığın kırılması ve elastik çarpışmaların tümü yaygın fiziksel ortamlardır.

İlk örnek Farklılaştırılabilir elastik nesne simülatörü Gerçek ölçümümüzün ardından, 201713 inç MacBook Pro'da da çalışabilir ve optimizasyonu tamamlamak on dakikadan az sürer:

Sadece 2D değil, daha karmaşık 3D elastomer Aşağıdakileri de simüle edebilir:

Türevlenebilir 3D sıvı Simülatör, 450 kademeli gradyan iniş yinelemesinden sonra, şimdiden çok gerçekçi:

DiffTaichi, ışığın su tarafından kırılmasını simüle eden bir oluşturucudur.Bir resim oluşturulduktan sonra, görüntü sınıflandırıcıyı bile yanıltabilir. Testten sonra, VGG16 su dalgaları olan sincap resmini bir akvaryum balığı olarak görür ve olasılık% 99,91'dir.

Takviye öğrenmenin simülasyon ortamında, katı robotlar çok yaygındır ve DiffTaichi ayrıca şunları da simüle edebilir:

DiffTaichi, bilardo gibi birden çok nesnenin karmaşık sahnelerini de simüle edebilir:

Taichi dilinde yazılan simülatör, kodu büyük ölçüde basitleştirir. Türevlenebilir elastik nesne simülatörü yalnızca 110 satır kod kullanır, CUDA'da doğrudan yazmak 490 satır gerektirir.

Aynı zamanda Taichi'nin hızı hala çok hızlı CUDA versiyonu ile karşılaştırıldığında neredeyse hiç kayıp yok TensorFlow'dan 188 kat ve PyTorch'tan 13.4 kat daha hızlı.

Dahası, sinir ağı denetleyicisi optimizasyonu tamamlamak için genellikle yalnızca düzinelerce yinelemeye ihtiyaç duyar.

Neden Taichi

Taichi'nin neden yapılacağı söz konusu olduğunda, bilgisayar grafikleri her zaman TensorFlow gibi evrensel araçlardan yoksundur.Geliştirme ile uğraşmak isteyen herkes, programlama yapmadan önce temel ilkeleri anlamalıdır.

Bu, derin öğrenme alanıyla keskin bir tezat oluşturuyor.

Son yıllarda, ortaokul öğrencileri bile TensorFlow veya PyTorch'u küçük bir kod yazmak ve en iyi konferanslarda makaleler yayınlamak için birkaç modeli optimize etmek için kullanabilirler.Birçok insan, derin öğrenme kağıtlarının altın içeriği büyük ölçüde azaldığı için bunun kötü bir şey olduğunu düşünüyor. .

Ama Hu Yuanming diğer tarafı gördü. Son yıllarda derin öğrenmenin hızlı gelişmesinin ve giriş engellerinin düşük olmasının, kullanımı kolay iyi araçların olmasından kaynaklandığına inanıyor.Bilgisayar grafikleri yasaklayıcıdır ve benzer araçların bulunmaması nedeniyle Taichi'yi geliştirmiştir.

Başlangıçta, Taichi ayrı bir programlama dili haline getirilecekti, ancak herkesin rahatlığı için Hu Yuanming, Taichi dilini Python gibi göstermek için cümle import taichi'yi ti olarak kullandı.

Python tabanlıya geçildiğinde, bunun avantajı yalnızca öğrenme eşiğini düşürmek değil, aynı zamanda numpy, matplotlib ve diğer araç kitaplıkları ile sorunsuz bir şekilde bağlanan birçok hazır Python IDE kullanmaktır.

Birkaç ay süren sıkı çalışmanın ardından, Hu Yuanming sonunda Taichi'yi pypi kurulum paketine değiştirdi, böylece farklı konfigürasyonlara ve farklı işletim sistemlerine sahip makineler grafik programlarını sorunsuzca çalıştırabilir.

1. Sınıf, Tsinghua Üniversitesi'ne önerilir, Bo 16 kağıtları

Hu Yuanming'den bahsetmişken, bu gençliğinden beri parıldayan bir başka "Yüce Tanrı" oyuncusu.

Lisenin ilk yılında Tsinghua Üniversitesi'ne gönderilen Kariyeri boyunca APIO 2012, NOI 2012, ACM-ICPC 2013 Changsha Bölge Yarışması ve ACM-ICPC Şangay Bölgesel Yarışması'nda dört altın madalya kazandı ve bunlar arasında APIO 2012 oyunda birinci oldu.

2013 yılında Tsinghua Yao Sınıfına girdi.Hu Yuanming, Chen Lijie, Fan Haoqiang ve diğerleri sınıf arkadaşı oldular. Bu grup gençlerin yetenekleri burada toplanıp çarpıştı ve "Yao Sınıfı" kelimesiyle karşılıklı başarılar elde etti.

Hu Yuanming, lisans eğitimi sırasında art arda Tokyo Üniversitesi ve Stanford Üniversitesi'ni ziyaret etti ve Microsoft Research Asia'da derin öğrenme ve bilgisayar grafiği araştırması yapan bir staj yaptı. Lisans öğrencileri için CVPR, SIGGRAPH ve diğer uluslararası konferanslar için birçok makale seçildi.

Hu Yuanming, 2017 yılında MIT'ye girerek Ph.D. 13 aylık kayıttan sonra, ChainQueen yüksek lisans tezini tamamladı ve MIT'den yüksek lisans derecesi aldı. İlk gönderi sırasında, 6 önemli konferans bildirisi yayınlandı.

Son olarak, bu 99 satırlık kodun arkasındaki araştırma geçmişi hakkında daha fazla bilgi edinmek istiyorsanız, Hu Yuanming'in kendi Bilgi sütununu da okuyabilirsiniz. Yüce Tanrı sadece kodu iyi yazmakla kalmaz, aynı zamanda kod sözcükleri ve buğulanmış yumurtaları da iyi yazar ~