Ikan dan Domba Bian Ce dari Kuil Aufei Laporan Qubit | Akun Publik QbitAI
Hanya dengan 99 baris kode, kamu juga bisa memiliki sihir es seperti Putri Aisha di "Frozen".
Walaupun kamu tidak bisa sembarangan menyulap sihir di dunia nyata, kamu bisa menggunakan efek khusus di dunia virtual komputer.
Mungkin Anda tidak tahu bahwa efek khusus dalam film dan animasi terkadang hanya sebentar, tetapi mungkin memerlukan komputer berperforma tinggi untuk menghitungnya selama seminggu, yang ternyata sangat mahal.
"Frozen" tidak memiliki aktor nyata, tetapi anggarannya mencapai 150 juta dolar AS. Setiap detik pengambilan gambar membara. Tidak terbayangkan bahwa kebanyakan orang ingin menggunakan komputer untuk membuat efek khusus CG.
Namun, baru-baru ini seorang PhD dari MIT di Cina mengembangkan bahasa pemrograman efek khusus CG baru Tai Chi ( Tai Chi ), sangat mengurangi ambang batas.
Putih: salju; merah: jeli; biru: airPemandangan fisik sederhana dapat dirender dalam beberapa menit pada PC biasa, yang 188 kali lebih cepat dari TensorFlow, 13,4 kali lebih cepat dari PyTorch, dan panjang kode hanya sepersepuluh dari metode tingkat rendah lainnya.
Menginstalnya semudah TensorFlow, dan ini mirip dengan penggunaan:
importtaichiastiBahkan Hu Yuanming, penemu Taichi, menulis tutorial lengkap untuk ini.
Terkait Taichi, Hu telah mempublikasikan beberapa artikel yang pernah masuk dalam top conference seperti SIGGRAGH 2018, ICRA 2019, NeurIPS2019, ICLR 2020, dll.
Chen Baoquan, seorang sarjana komputer grafis terkenal dan profesor Universitas Peking, memberikan evaluasi yang tinggi:
Seperti teman sekelas Hu Yuanming! Saya mengembangkan bahasa pemrograman simulasi fisik Taichi sendiri!
Sangat terpuji untuk berinvestasi begitu banyak dalam menulis kode sumber terbuka yang berpengaruh seperti Yuanming.
Seperti SIGGRAPH, mungkin butuh waktu 1 sampai 2 tahun untuk membuahkan hasil. Tingkat penerimaan makalah rendah. Bahkan jika dapat dipublikasikan, tingkat kutipan tidak tinggi.
Netizen juga berkata setelah menonton: Yuanming terlalu kuat.
Grafik + sistem + kompilasi benar-benar kesenangan berkreasi.
88 baris kode mensimulasikan lingkungan fisik nyata
Seperti yang dikatakan Hu sendiri, 99 baris kode sangat pendek, tetapi cerita teknis di baliknya sangat panjang.
Awal cerita dimulai dengan Metode Poin Material.
MPM adalah metode simulasi kontinum yang disukai secara luas di bidang efek khusus film dan televisi. Disney's "Frozen" menggunakan teknologi ini.
Tapi di masa-masa awal, MPM sangat lambat. Misalnya, di "Frozen", adegan Anna berjalan melalui salju dikatakan harus berjalan di cluster selama seminggu penuh.
Untuk meningkatkan kecepatan operasi dan kinerja MPM, di liburan musim panas tahun seniornya, Hu Yuanming berinvestasi dalam penelitian Moving Least Squares MPM (MLS-MPM).
Inspirasi Hu Yuanming adalah untuk digunakan Memindahkan kotak terkecil Satukan dua diskritisasi bidang kecepatan affine di APIC (Metode Affine Particle-In-Cell) dan pembaruan gradien deformasi di MPM.
Di bawah bimbingan Profesor Jiang Chen Fanfu dari University of Pennsylvania, Hu Yuanming dan lainnya menyelesaikan studi metode Moving Least Squares Material Point Method (MLS-MPM), yang tidak hanya menyadari diskritisasi baru dari divergensi stres, tetapi juga membuat MPM bekerja lebih cepat. dua kali lipat , Dan berhasil mensimulasikan berbagai fenomena baru yang sebelumnya tidak didukung oleh MPM.
Seperti pemotongan material:
Kopling dua arah dari bodi kaku:
Hasil ini akhirnya dipublikasikan di SIGGRAPH 2018.
Untuk lebih membuktikan kesederhanaan MLS-MPM, digunakan Hu Yuanming 88 baris kode C ++ Demo MLS-MPM diterapkan. (Untuk detail kode, silakan cap link proyek taichi_mpm di akhir artikel).
Versi 88 baris ini kemudian menjadi implementasi referensi yang diperlukan untuk pengantar MPM.
Mesin Fisika yang Dapat Dibedakan ChainQueen
Setelah musim panas 2017, Hu Yuanming resmi masuk MIT untuk belajar Ph.D.
Saat ini, Hu Yuanming mendapat inspirasi baru: menemukan turunan MLS-MPM. Dengan turunan, pengontrol jaringan saraf dapat dioptimalkan hanya dengan menggunakan penurunan gradien.
Di bawah bimbingan pemikiran ini, ChainQueen lahir.
Hu Yuanming menjelaskan bahwa rantai adalah untuk memperingati pengalamannya disiksa oleh aturan rantai dalam proses penurunan, dan ChainQueen terkait dengan Alam semesta homofonik.
Berdasarkan MLS-MPM, Qiankun adalah simulator fisika Lagrangian-Euler hibrida yang dapat dibedakan secara waktu nyata untuk objek yang dapat dideformasi. Simulator mencapai akurasi tinggi baik dalam simulasi maju dan perhitungan gradien mundur.
Penelitian ini dipublikasikan di ICRA 2019, dan Hu Yuanming juga menyelesaikan tesis masternya.
DiffTaichi
Kemudian, Hu mengambil pekerjaannya selangkah lebih maju dan mengusulkan DiffTaichi pemrograman yang dapat dibedakan, yang termasuk dalam ICLR 2020.
Dalam kode untuk artikel ini, Hu membuat 10 simulator fisika yang berbeda dan membandingkan kinerjanya berdasarkan tolok ukur yang ada.
Pemrograman yang dapat dibedakan di Taichi dapat secara efektif mengoptimalkan pengontrol jaringan saraf melalui penurunan gradien gaya brute force tanpa menggunakan pembelajaran penguatan.
Sebagian besar dari 10 simulator yang dapat dibedakan dapat diterapkan dalam 2-3 jam, dan kebanyakan tidak memerlukan GPU. Dalam contoh ini, benda elastis, benda kaku, fluida, pembiasan cahaya, dan tumbukan elastis adalah lingkungan fisik yang umum.
Contoh pertama Simulator objek elastis yang dapat dibedakan Setelah pengukuran kami yang sebenarnya, ini juga dapat berjalan pada versi 2017 dari MacBook Pro 13 inci, dan membutuhkan waktu kurang dari sepuluh menit untuk menyelesaikan pengoptimalan:
Tidak hanya 2D, lebih kompleks Elastomer 3D Dapat juga mensimulasikan:
Dapat dibedakan Cairan 3D Simulator, setelah 450 langkah iterasi penurunan gradien, sudah sangat realistis:
DiffTaichi adalah perender yang mensimulasikan pembiasan cahaya oleh air. Setelah gambar dirender, ini bahkan dapat menipu pengklasifikasi gambar. Setelah dilakukan pengujian, VGG16 menganggap gambar tupai dengan riak air sebagai ikan mas, dengan probabilitas 99,91%.
Dalam lingkungan simulasi pembelajaran penguatan, robot kaku sangat umum, dan DiffTaichi juga dapat mensimulasikan:
DiffTaichi juga dapat mensimulasikan pemandangan kompleks dari beberapa objek, seperti biliar:
Simulator yang ditulis dalam bahasa Taichi sangat menyederhanakan kode, simulator objek elastis yang dapat dibedakan hanya menggunakan kode 110 baris, sedangkan untuk menulis langsung dalam CUDA membutuhkan 490 baris.
Di saat yang sama, kecepatan Taichi masih sangat cepat Dibandingkan dengan versi CUDA, hampir tidak ada kerugian, 188 kali lebih cepat dari TensorFlow dan 13,4 kali lebih cepat dari PyTorch.
Selain itu, pengontrol jaringan neural umumnya hanya membutuhkan puluhan iterasi untuk menyelesaikan pengoptimalan.
Mengapa menjadi Taichi
Dalam hal alasan pembuatan Taichi, grafik komputer selalu kekurangan alat universal seperti TensorFlow. Setiap orang yang ingin terlibat dalam pengembangan harus memahami prinsip dasar sebelum mereka dapat melakukan pemrograman.
Ini sangat kontras dengan bidang pembelajaran yang mendalam.
Dalam beberapa tahun terakhir, bahkan siswa sekolah menengah dapat menggunakan TensorFlow atau PyTorch untuk menulis kode kecil dan mengoptimalkan beberapa model untuk menerbitkan makalah di beberapa konferensi teratas. Banyak orang berpikir bahwa ini adalah hal yang buruk karena kandungan emas makalah pembelajaran mendalam sangat berkurang. .
Tapi Hu Yuanming melihat sisi lain. Dia percaya bahwa perkembangan pesat deep learning dalam beberapa tahun terakhir dan rendahnya hambatan untuk masuk karena adanya alat yang bagus dan mudah digunakan. Grafik komputer mahal, dan karena kurangnya alat serupa, dia mengembangkan Taichi.
Awalnya, Taichi akan dibuat menjadi bahasa pemrograman terpisah, tetapi untuk kenyamanan semua orang, Hu Yuanming menggunakan kalimat import taichi sebagai ti untuk berpura-pura bahwa bahasa Taichi menjadi Python.
Beralih ke berbasis Python, keuntungan dari ini tidak hanya untuk menurunkan ambang pembelajaran, tetapi juga untuk menggunakan banyak Python IDE yang sudah jadi, terhubung secara mulus dengan numpy, matplotlib dan pustaka alat lainnya.
Setelah beberapa bulan bekerja keras, Hu Yuanming akhirnya mengubah Taichi menjadi paket instalasi pypi, sehingga mesin dengan konfigurasi berbeda dan sistem operasi berbeda dapat menjalankan program grafis dengan lancar.
Kelas 1 direkomendasikan untuk Universitas Tsinghua, Bo 16 makalah
Berbicara tentang Hu Yuanming, ini adalah pemain "Dewa Agung" lainnya yang telah bersinar sejak masa mudanya.
Ia dikirim ke Tsinghua University di tahun pertama sekolah menengahnya. Selama karirnya, ia memenangkan empat medali emas di APIO 2012, NOI 2012, ACM-ICPC 2013 Changsha Regional Competition, dan ACM-ICPC Shanghai Regional Competition. Diantaranya, APIO 2012 menduduki peringkat pertama dalam game tersebut.
Pada tahun 2013, ia memasuki Kelas Tsinghua Yao. Hu Yuanming, Chen Lijie, Fan Haoqiang dan lainnya menjadi teman sekelas. Bakat dari kelompok anak muda ini berkumpul dan bertabrakan di sini, dan membuat prestasi bersama dengan kata "Kelas Yao".
Selama program sarjananya, Hu Yuanming mengunjungi Universitas Tokyo dan Universitas Stanford berturut-turut, dan magang di Microsoft Research Asia, terlibat dalam pembelajaran mendalam dan penelitian grafik komputer. Untuk sarjana, banyak makalah dipilih untuk CVPR, SIGGRAPH dan konferensi internasional lainnya.
Pada 2017, Hu Yuanming masuk MIT untuk belajar Ph.D. Setelah 13 bulan pendaftaran, dia menyelesaikan tesis masternya ChainQueen dan menerima gelar master dari MIT. Selama posting pertama, 6 makalah konferensi teratas diterbitkan.
Terakhir, jika Anda ingin mengetahui lebih banyak tentang riwayat penelitian di balik 99 baris kode ini, Anda sebaiknya membaca kolom Pengetahuan milik Hu Yuanming sendiri. Tuhan yang Agung tidak hanya menulis kode dengan baik, tetapi juga kata sandi dan telur kukus ~
Pintu gerbang
Hu Yuanming mengetahui teks aslinya: https://zhuanlan.zhihu.com/p/97700605
Alamat kertas: https://arxiv.org/abs/1910.00935
Alamat proyek Tai Chi: https://github.com/yuanming-hu/taichi
alamat proyek taichi_mpm: https://github.com/yuanming-hu/taichi_mpm
- Selesai -
Qubit QbitAI · Toutiao Ditandatangani
Perhatikan kami dan dapatkan perkembangan terbaru dalam teknologi mutakhir
- Proyek "manusia buatan" Samsung terungkap! Efeknya terlalu realistis, dan ekspresi serta tindakan baru dapat dihasilkan secara mandiri
- Permainan uap sangat membujuk Anda untuk keluar dari Ph.D .: Anda hanya dapat mengirim dokumen jika rambut Anda rontok, dan Anda tidak pantas menangis jika Anda tidak memiliki rambut
- Kuaishou Live Broadcasting "315 + E" Cloud Anti-pemalsuan Malam Ilmu Kesehatan, Bangun Jaringan Komunikasi Kesehatan Tiga Dimensi
- Saatnya membeli mobil! Banyak manfaat dan berkah Changan Ford meluncurkan kebijakan preferensial terbaru
- Lihat bagaimana sofa besar Nissan menyalahgunakan mobil nasional Volkswagen, Nissan Teana VS Volkswagen Passat
- Nezha U secara resmi terdaftar malam ini, dengan masa pakai baterai lebih dari 500 kilometer / pra-penjualan mulai dari 150.000
- Membongkar "pencetus" mobil mewah dalam negeri! Netizen: Jauh lebih baik dari mobil patungan yang dikurangi