Аннотация:

Работа посвящена описанию процесса разработки универсального инструментария для генерации синтетических данных для обучения разных нейронных сетей. Используемый подход показал свою успешность и эффективность в решении различных задач, в частности, обучения нейросети для распознавания покупательского поведения внутри магазинов через камеры наблюдения и пространств устройствами дополненной реальности без использования вспомогательных инфракрасных камер. Обобщающие выводы позволяют спланировать дальнейшее развитие технологий генерации трехмерных синтетических данных.

Аннотация:

Дан сравнительный анализ методов представления трёхмерных объектов для выполнения булевых операций в реальном времени в среде игрового движка Unity. Рассмотрены четыре основных подхода: полигональное представление на основе конструктивной твердотельной геометрии (CSG), функции знакового расстояния (SDF), воксельные методы и CAD-системы с представлением границ (B-Rep) и NURBS-поверхностями.

Проведено экспериментальное исследование производительности полигональных алгоритмов булевых операций и SDF-функций на основе реализации ray marching. Выявлено, что полигональные методы характеризуются высокими начальными затратами на построение системы, но обеспечивают стабильную производительность при длительных операциях и сохранение результатов преобразований. SDF-функции демонстрируют высокую скорость выполнения операций и гибкость в создании сглаженных переходов между объектами, однако ограничены в применении для долговременных задач из-за особенностей вычислительной модели.

Определены области эффективного применения каждого подхода: полигональные методы рекомендуются для задач, требующих точного геометрического контроля и интеграции с традиционными графическими конвейерами, в то время как SDF-функции оптимальны для процедурной генерации, многослойного рендеринга материалов и создания динамических визуальных эффектов. Результаты исследования могут быть использованы при разработке интерактивных симуляторов, игровых приложений и систем виртуальной реальности.

Аннотация: Описан способ реализации распределенных вычислений c использованием GPU и современных инструментов администрирования и управления расчетами для ферм рендеринга. Проведен сравнительный анализ традиционного метода вычислений на CPU и современных подходов. Рассмотрены различные конфигурации вычислительного кластера. Определен наиболее производительный способ выполнения визуализации.

Аннотация:

Быстрое развитие сложных виртуальных миров, в особенности 3D-игр и компьютерных игр, создает новые проблемы при разработке виртуальных агентов, управляемых системами искусственного интеллекта (ИИ). Две важные подзадачи в этой тематической области, которые необходимо решить, это: (а) достоверность и (б) эффективность поведения агентов, то есть сходство персонажей с людьми и высокая способность к достижению их «собственных» целей. В этой статье мы изучаем современные подходы к разработке реалистичного ИИ в виртуальных мирах. Мы изучаем концепции правдоподобия и эффективности и анализируем несколько успешных попыток решить эти проблемы. Мы полагаем, что правдоподобное и эффективное поведение может быть достигнуто посредством изучения моделей поведения из наблюдений с последующим автоматическим выбором выигрышных действующих стратегий.