OpenAI-სა და Google-ისგან განსხვავებით, Apple-მა საკმაოდ მშვიდად ჩაუშვა SHARP-ის ღია კოდის AI მოდელი, რომელიც 2D ფოტოებს ფოტორეალისტურ 3D გამოსახულებებად წამებში გარდაქმნის. Apple Research-ის მიერ განვითარებული სისტემა იმ მომავლისკენ მიგვითითებს, რომელშიც სიღრმე, მასშტაბირება თუ სივრცული რეალობა ერთი ფოტოდან შეგვიძლია, მივიღოთ. ჩათვალეთ, რომ ეს რევოლუციური ამბავია, რომელიც სრულად გარდაქმნის იმ გზებს, რომლითაც აუგმენტურ რეალობას, დიზაინსა და შემოქმედებით ხელსაწყოებს მუშაობა შეუძლია.
Sharp Monocular View Synthesis (SHARP) ტრადიციული 3D რეკონსტრუქციული მეთოდებისგან სრულიად განსხვავებულ მიდგომებს გთავაზობთ. სხვადასხვა კუთხიდან გადაღებული მრავალი ფოტოს გამოყენების ნაცვლად, ერთი ფოტოთი შეუძლია მუშაობა! სიღრმესაც თავად განსაზღვრავს და გეომეტრიულ შაბლონებსაც, რაც მასიური მონაცემთა ბაზებიდან დაისწავლა.
სისწრაფე კი მისი კიდევ ერთი გამორჩეული მახასიათებელია — სტანდარტულ GPU-ze შედეგებს 1 წამზე ნაკლებ დროში გვთავაზობს! ოღონდ არ გეგონოთ, რომ უხარისხოდ — ეფლის მკვლევრების თქმით, SHARP რეალურ მასშტაბსა და სიღრმეს ასახავს. ტესტირებებმა კი უკვე მნიშვნელოვანი წინსვლა აჩვენა ვიზუალურ ხარისხშ: შეცდომების მაჩვენებლები LPIPS-ის შემთხვევაში თითქმის 25%-ით შეიცვალა, ხოლო DISTS-ის შემთხვევაში 21%-ით. ამგვარად, ნაკლები მოგონილი ობიექტი შეგხვდებათ გამოსახულებებში.
ეს არც გასაკვირია, რადგან ეფლმა თითქმის 8 მილიონი საკუთარი სინთეტიკური სურათი და 2.65 მილიონი ლიცენზირებული ფოტო გამოიყენა მოდელის გასაწვრთნელად, რითაც SHARP-ს სიღრმისა და მასშტაბის დასწავლის შესაძლებლობა მისცა. სწორედ ასე გახდა შესაძლებელი ერთი ფოტოდან 3D გამოსახულების შექმნა.
ეს ამბავი კი პრაქტიკაში შემდეგნაირად წარმოჩინდება — აუგმენტურ რეალობაში სცენის მყისიერად გაფართოების შესაძლებლობას ბადებს, როცა არქიტექტორებისა და დიზაინერების ჯგუფებს ერთი ფოტოთი სივრცეების სწრაფად ვიზუალიზაციის შესაძლებლობას სთავაზობს.
თუმცა შედეგები მნიშვნელოვნად არის დამოკიდებული GPU-ს ხელმისაწვდომობაზე, რაც იმას ნიშნავს, რომ გამოსახულებები მომხმარებელთა მოწყობილობების მიხედვით განსხვავებული შეიძლება იყოს. ამიტომაც დეველოპერებს არსებული სამუშაო ნაკადების აღნიშნულთან ადაპტირება მოუწევთ, რათა ახალი მოდელის სრული პოტენციალით ისარგებლონ.
SHARP უკვე ხელმისაწვდომია GitHub-ზე და დეველოპერებსა თუ მკვლევრებს ექსპერიმენტებისთვის იხმობს.
