当前位置:首页 > 天道酬勤 > 正文内容

成品冰雪奇缘冰雪奇缘视频(胡渊鸣代码冰雪奇缘)

张世龙2021年12月21日 23:07天道酬勤750

优秀的文章,第一时间送到!

光是99行代码,也可以像《冰雪奇缘》的艾尔莎公主一样拥有冰雪魔法。

虽然不能在现实世界中随意改变魔法,但可以在计算机的虚拟世界中发挥特殊效果。

你可能不知道,电影和动画的特效有时只有1秒钟,但高性能的计算机运算需要一个星期,有时花费惊人。

《冰雪奇缘》虽然没有真人演出,但是预算达到了1亿5000万美元,每一秒的场景都是经费在燃烧。 无法想象一般人想用电脑产生CG效果。

但是,最近来自中国的MIT博士开发了新的CG特效编程语言Taichi (太极),大大降低了门槛。

白色:雪;红色:果冻;蓝色:水

是一个简单的物理场景,普通PC只需要几分钟就可以渲染出来。 比TensorFlow快188倍,比PyTorch快13.4倍,代码长度只有其他基本方法的十分之一。

安装就像TensorFlow一样简单,使用也一样:

import Taichi as ti,甚至是taichi的发明者银耳汤,都为此编写了完整的使用教程。

关于Taichi,胡先生已经发表了多篇文章,分别收录在SIGGRAGH 2018、ICRA 2019、NeurIPS2019、ICLR 2020等中。

计算机图形学的着名学者北大教授高兴的精灵给予了很高的评价:

向魁梧的银耳汤先生夸奖! 独自开发了物理模拟编程语言Taichi!

写像渊鸣一样有影响力的开源代码真的很珍贵。

像SIGGRAPH一样,取得成果可能需要1~2年,但论文的接受率很低,即使能发表,引用率也不高。

网友们环顾四周后,纷纷表示“渊鸣大神太强了”。

编译图形系统真是创造的喜悦。

正如

88行代码模拟真实物理环境

胡先生本人所说,99行代码很短,但背后的技术故事很长。

故事的开始是从Material Point Method (物质点法)开始的。

MPM是电影特效领域很受欢迎的模拟连续媒体方法,迪士尼的《冰雪奇缘》使用了这个技术。

但是在初期,MPM的运行速度非常慢,比如《冰雪奇缘》里的dsc在雪中穿行的场景,据说会在集群上跑整整一周。

为了提高MPM的运行速度和性能,在大学四年级暑假,健壮的银耳汤投入了movingleastsquaresMPM(mls-MPM )的研究。

健壮的银耳汤的灵感来自于用最小二乘法计算的apic (薄膜内元胞仿射梯度场)和MPM中的变形梯度更新) defic

在宾夕法尼亚大学懦弱的口红教授的指导下,健壮的银耳汤等人完成了移动最小二乘物质点法(MLS-MPM )的研究,实现了新的应力分散度的离散化,不仅将MPM的运行速度提高了两倍,还创造了MPM迄今为止没有支持的各种新的

例如,材料切断:

刚体的双向连接:

这个成果最终发表在了SIGGRAPH 2018上。

为了进一步证明MLS-MPM的简易性,健壮的银耳汤用88行c代码实现了MLS-MPM的demo。 (有关代码的详细信息,请按下末尾的taichi_mpm项目的链接。) .

这个88行版本后来也成为入门MPM的必须参考实现。

rom=pc">

乾坤(ChainQueen)可微物理引擎

2017年的夏天结束之后,魁梧的银耳汤正式进入MIT读博。

这时候,魁梧的银耳汤又迸发了新的灵感:求出MLS-MPM的导数。有了导数,就能只用梯度下降来优化神经网络控制器。

在这一思想的指导下,ChainQueen诞生了。

魁梧的银耳汤解释说,chain是为了纪念他在求导过程中被链式法则折磨的经历,而ChainQueen则与乾坤谐音。

乾坤基于MLS-MPM,是一种针对可变形对象的、实时的可微混合拉格朗日-欧拉物理模拟器。该模拟器在前向仿真和反向梯度计算中均实现了高精度。

这项研究发表在了ICRA 2019上,魁梧的银耳汤也以此完成了硕士论文。

DiffTaichi

随后,胡同学将工作又推进一步,提出了可微分编程DiffTaichi,被ICLR 2020收录。

在这篇文章的代码中,胡同学创建了10个不同的物理模拟器,并根据现有基准对其性能进行基准测试。

Taichi中的可微分编程,可以通过蛮力的梯度下降有效地优化神经网络控制器,而不必使用强化学习。

10种可微分模拟器中的大多数模型可以在2-3小时内实现,而且大部分不需要GPU。这些示例中,弹性体、刚体、流体、光线的折射、弹性碰撞,常见物理环境应有尽有。

第一个示例可微分弹性对象模拟器,经过我们的实测,在2017版13寸的MacBook Pro上也能运行,而且完成优化只需不到十分钟的时间:

不仅是2D,更复杂的3D弹性体也能模拟:

还有可微分的3D流体模拟器,经过450步的梯度下降迭代,已经非常逼真:

DiffTaichi模拟水对光线折射的渲染器,一张图片经过它的渲染,甚至能骗过图像分类器。经过测试,VGG16将带有水波纹的松鼠图片当做金鱼,而且认为概率为99.91%。

在强化学习的模拟环境中,刚体机器人很常见,DiffTaichi也能模拟:

DiffTaichi还能模拟多个物体的复杂场景,比如台球:

用Taichi语言编写的模拟器大大简化了代码,可微分弹性对象模拟器只用了110行代码,而直接用CUDA编写则需要490行。

同时,Taichi的速度还很快,相比CUDA版本几乎没有什么损失,比TensorFlow快了188倍,比PyTorch快13.4倍。

而且神经网络控制器一般只需要几十次迭代,即可完成优化。

为何做Taichi

谈到为何要做Taichi,计算机图形学一直缺乏像TensorFlow那样的通用工具,每个要从事开发的人都必须了解基本原理,才能去做编程。

这和深度学习领域形成了鲜明的对比。

近年来,甚至有中学生,利用TensorFlow或者PyTorch,写一点代码,优化几个模型,就可以在一些顶会上发表论文,许多人看来,这是件坏事,因为让深度学习论文的含金量大大降低。

但魁梧的银耳汤看到了另一面。他认为,深度学习这些年之所以能发展快、门槛低,就是因为有简单易用的好工具,计算机图形学让人望而却步,就是因为缺乏类似的工具,因此他开发了Taichi。

本来Taichi要做成一种单独的编程语言,但是为了方便大家使用,魁梧的银耳汤用了一句import taichi as ti把Taichi语言假装成Python。

改成基于Python,这样做的好处不仅是降低学习门槛,还能使用很多现成的Python IDE,与numpy、matplotlib等工具库无缝衔接。

经过几个月的努力,魁梧的银耳汤终于把Taichi改成了pypi安装包,让不同配置不同操作系统的机器都能顺利运行图形学的程序。

高一保送清华,博一6篇paper

说起魁梧的银耳汤,这又是一位从少年时代起就熠熠闪光的“大神级”选手。

高一保送清华,竞赛生涯中,拿下APIO 2012、NOI 2012、ACM-ICPC 2013长沙区域赛、ACM-ICPC上海区域赛四块金牌,其中APIO 2012成绩是全场第一名。

2013年进入清华姚班,魁梧的银耳汤与hsdbm、ssdls等人成为紧张的母鸡,这群年轻人的才华在这里汇聚、碰撞,与“姚班”二字相互成就。

本科期间,魁梧的银耳汤先后前往东京大学、斯坦福大学访学,并曾于微软亚洲研究院实习,从事深度学习和计算机图形学研究。本科便有多篇论文中选CVPR、SIGGRAPH等国际顶会。

2017年,魁梧的银耳汤进入MIT读博。入学13个月后,完成硕士论文ChainQueen,拿到MIT硕士学位。博一期间,共发表6篇顶会论文。

最后,如果想了解这99行代码背后更多的研究历程,不妨读一读魁梧的银耳汤本人的知乎专栏文章。大神不仅代码写得好,码字和蒸鸡蛋也是好手呢~

传送门

魁梧的银耳汤知乎原文:https://zhuanlan.zhihu.com/p/97700605

论文地址:https://arxiv.org/abs/1910.00935

太极项目地址:https://github.com/yuanming-hu/taichi

taichi_mpm项目地址:https://github.com/yuanming-hu/taichi_mpm

本文分享自量子位。

扫描二维码推送至手机访问。

版权声明:本文由花开半夏のブログ发布,如需转载请注明出处。

本文链接:https://www.zhangshilong.cn/work/26635.html

分享给朋友:

发表评论

访客

看不清,换一张

◎欢迎参与讨论,请在这里发表您的看法和观点。