• <xmp id="om0om">
  • <table id="om0om"><noscript id="om0om"></noscript></table>
  • 內容創建/渲染

    利用 NVIDIA NeuralVDB 搶先體驗優化大規模稀疏體積數據

    NVIDIA NeuralVDB 的推出?建立在過去十年 OpenVDB 開發的基礎上,是開發人員和研究人員在處理極其龐大和復雜的數據集時的游戲規則改變者。

    的預發布版本 NVIDIA NeuralVDB 為 OpenVDB 帶來 AI 和 GPU 優化,將煙霧、云和其他稀疏體積數據的內存占用量減少 100 倍。

    通過顯著降低內存需求、加速訓練和實現時間一致性, NeuralVDB 可以為科學和工業用例打開新的可能性。這包括用于支持 AI 的醫學成像、大規模數字孿生模擬等的大量復雜體積數據集。

    NeuralVDB 簡介

    在越來越多的用例中可以找到稀疏的體積數據。醫療、工業、機器人、圖形和其他領域需要前所未有的高分辨率實時模擬。然而,相應的內存需求可能與硬件約束沖突。

    NeuralVDB 通過以小到可以忽略的質量損失為代價提供令人難以置信的高效內存表示來解決這一問題,從而以極高的分辨率實現體積應用。

    NeuralVDB 是一組用于高分辨率空間體積數據的緊湊表示的工具和 API 。它改進了 OpenVDB ,這是一個高效存儲和處理高分辨率卷的開放行業標準。它還建立在去年推出的 NVIDIA NanoVDB 的 GPU 加速基礎上,添加了機器學習,以提供緊湊的神經表示,顯著減少其內存占用。

    事實上, NeuralVDB 將 OpenVDB 的內存占用減少了 1 – 2 個數量級,代價是用戶控制且通常無法察覺的細節丟失。這使您能夠更高效地傳輸和共享大型、復雜的體積數據集。

    Two images of a spaceship emerging from water, positioned side-by-side with compression data comparing OpenVDB and NeuralVDB.
    圖 1 。 NeuralVDB 將 OpenVDB 的內存占用減少了 1 – 2 個數量級

    為此, NeuralVDB 采用樹拓撲的無損分類器和稀疏值的有損回歸器形式的分層神經表示。這種方法結合了兩個世界的優點。它使用神經網絡來最大化 3D 數據的壓縮比,同時保持更高級別 VDB 數據結構提供的空間適應性。

    Side-by-side diagrams depicting the hierarchical grid tree structures of OpenVDB and NeuralVDB.
    圖 2 :標準( OpenVDB )和 NeuralVDB 的分層網格結構的比較

    該組合使 VDB 樹能夠集中于粗略的、較高節點級的拓撲信息,而多個神經網絡在體素和較低樹級上緊湊地編碼細粒度拓撲和值信息。這也適用于動畫卷,甚至可以通過新穎的時間編碼特性保持時間一致性并提高性能。

    通過觀看 NVIDIA on Demand 上 GTC 2022 的 NeuralVDB presentation 了解更多信息。

    NeuralVDB 早期訪問包括哪些內容

    NVIDIA 正在尋找有興趣測試 NeuralVDB 早期版本并愿意在今年晚些時候開源發布之前提供反饋以幫助改進功能的開發人員。早期訪問程序允許您訪問 NeuralVDB SDK 的預發布版本以及示例配置文件和文檔。

    此 SDK 包括以下關鍵功能:

    NeuralVDB Converter

    • 將 OpenVDB 或 NanoVDB 文件轉換為 NeuralVDB 文件的編解碼器應用程序,或相反
    • 使用時間編碼對時間序列 VDB 進行批量編碼/解碼

    NeuralVDB Library

    • 包含一組用于 VDB 對象編碼/解碼的 C ++ API 的庫
    • 從內存中 NeuralVDB 對象執行隨機查詢的 API

    如何開始

    NeuralVDB 是 VDB 庫的下一個發展,為模擬和渲染稀疏體積數據提供了顯著的效率改進。預發布版本現在通過 NVIDIA NeuralVDB Early Access Program 提供。立即注冊下載 SDK ,體驗人工智能加速 NeuralVDB 為您提供的稀疏卷工作流的強大功能。

    ?

    ?

    0

    標簽

    人人超碰97caoporen国产