Русский
Русский
English
Статистика
Реклама

Deep learning

Nvidia выпустила DLSS 2.3 Технология появится более чем в 15 играх

18.11.2021 00:27:15 | Автор: admin

16 ноября Nvidia сделала множество объявлений, среди которых представила свою технологию масштабирования DLSS версии 2.3. Нововведение уже вшито в 15 игр, а Cyberpunk 2077 иRise of the Tomb Raider получили патчи первыми.

На данный момент точно известно, что поддержку DLSS 2.3 получатAssetto Corsa Competizione, Battlefield 2042, Myth of Empires, Bright Memory: Infinite, Elder Scrolls Online, Hot Wheels Unleashed и Jurassic World Evolution 2,AWAY: The Survival и Myth of Empires. Полный список игр пока не оглашается. Подробнее познакомиться с DLSS можно в видеоролике, выпущенным Nvidia.

DLSS (Deep Learning Super Sampling) базируется на машинном обучении и позволяет повышать разрешение картинки для отображения на мониторах с высоким разрешением. В отличие от других методов сглаживания, технология использует мощности ядер Tensor на видеокартах Nvidia. Это позволяет выполнять меньше вычислений при работе и тем самым играть на более высоких настройках графики с повышенной частотой кадров.

Что такое Nvidia DLSS и почему технология значительно повышает частоту в играх
Вчера Nvidia опубликовала собственные тесты новой линейки ви... Далее
Подробнее..
Категории: Игры , Gpu , Nvidia , Deep learning

Нейросеть Toonify превращает людей в диснеевских принцесс и неандертальцев

19.09.2020 16:18:55 | Автор: admin

На этой неделе в сети заработал новый сервис на основе нейросетей. Называется он Toonify, а суть его элементарна вместо того, чтобы менять пол человеку на фотографии или превращать в стариков, этот сервис делает из людей диснеевских персонажей. Права, в некоторых случаях может получиться не принц, а мультяшный неандерталец. Любопытно, что из девушек лучше всего выходят принцессы, тогда как мужчины больше похожи на анимационных жителей неолита.

К сожалению, сейчас сервис попробовать невозможно ажиотаж был настолько высоким, что авторыToonify не могут позволить себе оплачивать серверы за свой счет. Однако кто-то обязательно сделает аналог и в скором времени подобные фильтры должны появиться в популярных приложениях, собирающих биометрические данные для загадочных целей.

Ну а пока можете взглянуть на несколько примеров.

Подробнее..

Новый ИИ от Nvidia в реальном времени создает фотореалистичные изображения по описанию

25.11.2021 18:20:12 | Автор: admin

Nvidia продолжает заниматься технологиями глубокого бучения, чтобы интегрировать их в свои продукты, например DLSS, а также занимается экспериментальными проектами. Несколько недель назад компания представила ИИ, способный автоматически доводить анимацию в соответствии с записанной речью. А на этой неделе компания представила новую версию инструмента на основе GuaGAN 2.

В прошлом оригинальная версия приложения позволяла генерировать правдоподобные ландшафты при помощи простых набросков. Впечатляющая штука. Но GuaGAN 2 пошла дальше теперь даже не требуется делать набросок!

Вместо этого модель с глубоким обучением превращает текст в неожиданно комплексные изображения. Это возможно благодаря тренировке нейросети при помощи 10 миллионов изображений.

GuaGAN 2 совмещает в себе распознание текста и генерирование изображений. Это значит, что можно использовать комбинацию из текста и набросков. К примеру, при помощи текстового описания можно задать общие параметры, после чего внести специфические изменения используя инструментарий набросков.

Хотите попробовать технологию? У Nvidia есть интерактивные демо, правда, не факт что все будет работать как положено. Но если у вас есть видеокарта Nvidia с поддержкой RTX, то скачатьNvidia Canvasможно бесплатно.

Нейросетевые ИИ и глубокое обучение уже используется в игровой индустрии, хотя пока и не очень широко. Но в будущем подобное станет стандартом, так как позволит значительно сокращать время для создания концептов или даже фоновых изображений.

И это только начало. Лет через 10-15 игровые движки будут набиты ИИ, ускоряющими многие процессы при разработке игр.

Подробнее..

Последние комментарии

© 2006-2024, obnal-babosov.ru