本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
“这太疯狂了！”
“18个月前，训练NeRF需要5小时…”
“2个月前，训练NeRF需要是5分钟！”
“现在，训练NeRF需要5秒！！？？”
究竟发生了什么？竟让谷歌研究科学家惊叹至此。
（插播一下此前风靡的NeRF模型：伯克利&谷歌联合打造，少数静态图生成3D逼真效果）
而且类似的评价还有很多~
介绍这项技术的博文也热度非常，不到一天时间就收获了上千赞。
原来，这是来自于英伟达的最新技术——基于多分辨率哈希编码的即时神经图形基元。
一只狐狸NeRF模型的只需要训练5秒钟！
而且不光训练NeRF，该技术还在其他任务上也达到了惊人的训练速度。
实现了几个数量级的组合加速。
能够在几秒钟内训练高质量的神经图形基元，并在几十毫秒内渲染分辨率1920x1080的图形。
单个GPU上实现多任务即时训练
先来看效果。
有没有种在实验室的眩晕感，这是来自iPhone视频训练5分钟的360度实时渲染效果~
还有想以34张真实照片重构的3D图像~
除了NeRF之外吗，还有三个神经图形基元的实现。
Gigapixel Image
作者还友情提示，网络是从头开始训练的，如果眨眼的话，可能会错过它。
以全连接网络为参数的神经图形基元，训练和评估成本较高。
本文使用了一种多功能的新输入编码来降低成本。
这种编码允许在不牺牲质量的情况下使用更小的网络，从而大大减少浮点数和内存访问数量。
具体而言，一个小型神经网络通过可训练特征向量的多分辨率哈希表进行扩充。这些特征向量的值通过随机梯度下降优化。
换句话说，这种编码与任务无关。
研究团队表示，他们在所有任务中都使用相同的案例和超参数，只改变了哈希表的大小。
目前该项目已开源，感兴趣的旁友可戳下方链接~
GitHub链接：
https://github.com/NVlabs/instant-ngp
论文链接：
https://nvlabs.github.io/instant-ngp/assets/mueller2022instant.pdf
项目链接：
https://nvlabs.github.io/instant-ngp/
