行业资讯实时光线追踪

英伟达（NVIDIA） 最近分享了它的SIGGRAPH 2020论文，该论文探索了如何 实时渲染数百万个区域动态灯光的照明和阴影。 多光线追踪（ReSTIR） 以前，游戏工作室使用烘焙解决方案，并添加了一些Dynamic Emitters。然后，RTX游戏允许开发者使用具有物理上正确阴影的动态区域灯光，但会限制在一定数量的灯光。ReSTIR去噪渲染的算法来自SIGGRAPH 2020论文，能够实时追踪具有数百万光线的场景。 英伟达公司的研究部门与达特茅斯学院的视觉计算实验室（Dartmouth Visual Computing Lab）合作，研究如何在当前光线预算下引导数百万个动态灯光。没有复杂的灯光结构，没有烘焙，也没有全局场景参数设定。团队可以保证最后的结果比当前情况快65倍。 论文描述了“使用 实时光线追踪进行动态直接照明的Spatiotemporal Reservoir Resampling”，给出了基于储层的时空重要性采样(ReSTIR)技术的理论和实现细节。 模型的开发人员之一Benedikt Bitterli表示：我们分析的关键是重用来自空间和时间上相邻像素的信息，以告知要跟踪的光线。这个想法类似于现代的后处理去噪和抗锯齿，但是在去噪直接过滤像素颜色的同时，我们帮助引导光线以减少未来的噪声。

过去，NVIDIA一直在谈论CPU和GPU，而今年GTC演讲的重点是基于云/服务器的计算与DPU（深度学习处理单元）的结合。以前，NVIDIA的叙述主要是使用AI进行光线追踪，但这些结果更多地反映了降噪算法。今年，黄教主表现出令人难以置信的高画质效果，其中ML在推断更高分辨率的光线追踪渲染器方面提供了惊人的结果。该过程将光线跟踪与ML耦合在一起，以产生高于被光线跟踪的原始分辨率的高质量 实时渲染云。实际上，在演示中，从720P上转换后的更高分辨率的1920×1080分辨率AI渲染图像似乎比以1920分辨率原生渲染的匹配渲染更为详细。 另一个关键演示演示了《我的世界》的光线追踪。这个以前已经发布了。4月，发布了带有RTX的Minecraft Beta版。Mojang Studios和NVIDIA制作了该游戏的Windows 10版本，该版本提供了从上到下的路径跟踪光线跟踪。 我的世界Ray-Traced Jarvis 蒙蒙 涉及Omniverse的第二个演示是主题演讲的Jarvis演示部分。Jarvis是新的NVIDIA对话代理系统。 对话式AI是最困难的推理问题之一，需要大量的ML，并且对自然语言处理（NLP）具有复杂的语音识别。推理必须非常快，否则对话会停滞，并且对话的效果或幻想会中断。除了令人印象深刻的AI之外，该演示还展示了代理输出已被转换为合理的人类语音。显示的两个字符是由Jarvis管道驱动的，其中一个是名为Misty的交互式水滴字符。但是也许最令人印象深刻且最相关的M＆E演示是lipsync rap演示，它从NVIDIA员工那里产生了惊人的口型同步，而NVIDIA员工仅提供了说唱的音频，然后在真实面孔的基础模型上将其解释为极其强大的lipsync。 对话式AI和Lipsync “说唱演示（以我们的员工John Della Bona，'JohnnyD'为特色）展示了Jarvis为对话式AI和实时面部动画以及Omniverse Kit的实时动画和图形功能提供支持的速度和准确性。真正突破性的端到端解决方案，” Kerris告诉fxguide。 John Della Bona语音用于驱动3D模型（仅从音频） Jarvis是一个完全加速的应用程序框架，用于构建使用端到端深度学习管道的多模式对话AI服务。开发人员可以轻松地微调其数据上的最新模型，以加深对特定上下文的了解，并优化推理以提供运行时间为150毫秒（ms）的 实时交互，而25秒仅CPU平台上需要。Jarvis框架包括经过预先训练的对话式AI模型，NVIDIA AI Toolkit中的工具以及针对语音，视觉和自然语言理解（NLU）任务的优化的端到端服务。Jarvis附带了一组预训练，代表100,000+个小时的培训时间，但是开发人员将其与NeMo模块结合在一起，该模块以特定领域的术语和其他本地化培训相结合。 同时融合视觉，音频和其他输入，可在诸如虚拟助手，多用户数字化和呼叫中心助手之类的应用程序中提供诸如多用户，多上下文对话之类的功能。 基于Jarvis的应用程序已经过优化，可在云，数据中心和边缘的NVIDIA EGX平台上实现最佳性能。首席执行官黄仁勋的厨房主题演讲的一个主要主题是NVIDIA在数据中心规模方面的进步。NVIDIA AI服务器场的范围和成本节省令人印象深刻。

NVIDIA首席执行官黄仁勋（Jensen Huang）在2020年GTC主题演讲中宣布了该公司的一系列重大新技术进步，其中三项与媒体和娱乐（M＆E）空间非常相关。 1. 受益于深度学习超级采样（DLSS）2.0的NVIDIA光线追踪。 2. 扩展的Omniverse。 3. 作为Jarvis对话式AI框架的一部分，出色的角色动画讲话。 首席执行官黄仁勋的“厨房主题演讲” 实时光线追踪 DLSS 2.0是一个经过改进的新的深度学习神经网络，它可以提高帧速率和分辨率，同时生成精美的游戏图像。它为艺术家提供了表演空间，可最大化光线追踪设置并提高输出分辨率。Huang在演讲中重点介绍了名为Marbles RTX的仿真和 实时GPU渲染演示。该演示是一个可玩的游戏环境，通过动态照明和丰富的基于物理的材质显示实时物理。Huang还介绍了用于制造Marbles RTX的Omniverse平台。 在虚拟主题演讲中，黄仁勋展示了NVIDIA创意团队远程创建的演示文稿，以展示其RTX射线追踪和Omniverse Platform的强大功能。Marbles RTX是由使用Omniverse的艺术家和工程师组成的分布式团队创建的。他们将VFX+质量资产组装成一个完全物理模拟的游戏。该演示不需要牺牲质量和保真度，而牺牲通常与“游戏化”艺术资产相关联即可实时运行。Marbles RTX在单个Quadro RTX 8000上运行，可在实时光线追踪的室内场景中模拟复杂的物理场。NVIDIA M＆E总经理Richard Kerris解释说，“由于依赖于Omniverse服务器，因此无法下载该演示，”我们在与fxguide进行单独交谈时表示。 Marbles演示令人印象深刻，但其中也包含许多CG复活节彩蛋和幽默 创建视觉效果， 实时渲染云 建筑可视化或制造设计通常需要多个人在团队，远程工作地点以及各个客户地点进行协作以进行审核。使用各种软件工具来开发3D资产。长期以来，跨应用程序进行数据传输一直是全球数百万艺术家，设计师，建筑师，工程师和开发人员的挑战。利用Pixar的通用场景描述（USD）和NVIDIA RTX技术，Omniverse为人们提供了一种轻松使用应用程序并与同事和客户（无论他们身在何处）进行协作的方式。几周前，我们在fxguide上通过GauGAN演示突出显示了这样的示例。 该技术也非常适用于虚拟生产，尤其是对于许多目前处于锁定状态并与分布式团队合作的公司而言。Kerris表示：“过去90天内，ILM等公司对虚拟舞台的兴趣水平是其五倍。” NVIDIA提供了ILM的The Mandalorian虚拟舞台项目中使用的GPU卡。Omniverse已经开发了一段时间，但是它是远程协作的理想选择。 尽管Marble演示在单个RTX 8000卡上运行，但NVIDIA的Omniverse已扩展为包括Omniverse View的新型渲染。该模块由多个NVIDIA RTX GPU加速，并为在GPU阵列上实现极高的可扩展性而提供，即使具有庞大的3D模型，也可提供高质量的 实时渲染。Omniverse View显示从Omniverse内部或直接在使用的3D应用程序中的不同应用程序聚合的3D内容。它还旨在支持商业游戏引擎和离线渲染器。 ML射线跟踪缩放 DLSS 2.0提供的图像质量可与原始分辨率媲美，而仅渲染四分之一到大约一半的像素。它采用了新的时间反馈技术，可获取更清晰的图像细节并提高帧与帧之间的稳定性。原始的DLSS 1.0需要针对每个新环境或新游戏训练机器学习（ML）网络。DLSS 2.0使用非游戏特定内容进行了培训，提供了可在不同视觉环境中工作的通用网络。它不是用于图像的通用Upres工具。它使用卷积自动编码器，该卷积自动编码器采用低分辨率当前帧和高分辨率前一帧，以逐像素为基础确定如何生成更高质量的当前帧。因此，DLSS 2.0在ML网络中有两个主要输入： 1. 渲染引擎渲染的低分辨率，锯齿图像 2.来自同一图像的低分辨率运动矢量，也由渲染引擎生成。