مهندسان شرکت انویدیا تکنیک جدیدی از فناوری Neural Radiance Field یا به اختصار NeRF را توسعه دادند که می‌تواند در کمترین زمان، صحنه‌هایی سه بعدی را از تصاویر دو بعدی خلق کند.
این ابزار که از الگوریتم‌های هوش مصنوعی بهره می‌برد، قادر است فضاهای خالی موجود در تصاویر را از طریق درون‌یابی آنچه که عکس‌های دوبعدی ثبت نکرده‌اند، پر کند. این دستاورد جدید می‌تواند در حوزه‌های مختلفی همچون بازی‌های ویدیویی و رانندگی خودران مورد استفاده قرار گیرد.
به گفته انویدیا، مهندسان این شرکت تکنیک NeRF جدیدی را توسعه داده‌اند که سریع‌ترین در نوع خود است و می‌تواند ظرف چند ثانیه، آن را تعلیم داد و صحنه‌های سه بعدی را ایجاد کرد.
آموزش این مدل که تحت عنوان Instant NeRF نام دارد، تنها چند ثانیه زمان می‌برد و می‌توان با استفاده از ده‌ها تصویر ثابت و ثبت‌شده از زوایای مختلف دوربین، اطلاعات را به آن وارد کرد. پس از تعلیم و ثبت اطلاعات، در عرض چند ثانیه می‌توان یک صحنه سه بعدی را خلق کرد.
این مدل همانند دیگر تکنیک‌های NeRF نیاز به تصاویری دارد که موقعیت‌های مختلف گرفته شده‌اند و برای مواردی که چند سوژه در آن حضور دارند، عکس‌ها می‌بایست با کمترین میزان حرکت ثبت شوند تا نتیجه مطلوب ارائه شود؛ در غیر این صورت، صحنه سه بعدی تار خواهد شد.
به گفته انویدیا، در مدل‌های قبلی فناوری NeRF، مدت زمان تولید صحنه‌های سه بعدی چندان طولانی نبود و این کار در چند دقیقه انجام می‌شد: حتی اگر در برخی تصاویر، سوژه توسط اجسامی‌همانند ستون‌ها یا مبلمان به خوبی قابل رویت نبود. با این حال، آموزش به این مدل‌ها زمان زیادی را صرف می‌کرد و
حال در نسخه جدید این فناوری، این آموزش‌ها در چند ثانیه صورت می‌گیرد چرا که این مدل مبتنی بر تکنیک جدیدی است که انویدیا از آن به عنوان رمزنگاری شبکه هش چند وضوحی یاد کرده و برای اجرای بهتر روی پردازنده‌های گرافیکی این شرکت بهینه شده است.
به گفته این شرکت، حتی می‌توان این قابلیت را روی یک پردازنده گرافیکی نیز اجرا کرد؛ هرچند پیاده‌سازی این فرآیند در کارت‌های گرافیک دارای هسته‌های تنسور که عملکرد هوش مصنویع را افزایش می‌دهند، سریع‌تر خواهد بود.
انویدیا معتقد است که Instant NeRF می‌تواند برای آموزش به ربات‌ها و همچنین کمک به سیستم‌های رانندگی خودران به منظور درک بهتر اندازه و شکل اجسام در دنیای واقعی مورد استفاده قرار گیرد.
این شرکت همچنین آینده این فناوری را در حوزه‌های دیگری همچون سرگرمی‌و معماری نیز متصور شده؛ جایی که می‌توان از آن برای خلق مدل‌های سه بعدی از محیط‌های واقعی استفاده کرد تا سازندگان بتوانند در خلال فرآیند برنامه‌ریزی، امکان اصلاح آن را داشته باشند.
