¿Qué es Red Neuronal NeRF y en qué consiste?

Son muchas las compañías que trabajan para desarrollar la tecnología definitiva que transforme una imagen en 2 dimensiones en otra de 3 dimensiones o 3D. Los últimos en presentar su propuesta han sido un grupo de investigadores de la Universidad de Berkley, cuyos resultados son sorprendentes y podrían ser de utilidad en muchas industrias. 

Matthew Tancik y su equipo son los creadores de la Red Neuronal NeRF, a la que han entrenado hasta conseguir que pueda crear objetos en 3D tan realistas como estos. El detalle que diferencia a las creaciones de NeRF con el resto de sistemas desarrollados es su uso de las luces, colores y sombras para darle una mayor autenticidad al objeto. 

Para entrenar a esta red neuronal se ha seleccionado cada punto de la escena y la dirección desde donde se está mirando. A estos datos se les asigna el color y la densidad que presentan según cada uno de los ángulos de visión.  Con esos datos la red neuronal va aprendiendo y ajustando las fórmulas matemáticas hasta que sus resultados se aproximan lo máximo posible a la realidad y los investigadores lo dan por bueno. 

El hecho de incidir cómo van modificando los colores y luces dependiendo del ángulo desde el que se mire, permite no sólo dar forma y volumen a los objetos, sino conseguir un aspecto más realista moldeando las luces y los brillos de la escena. Aquellos que hayan estudiado dibujo o arquitectura, sabrán que para aportar profundidad hay que cuidar mucho la iluminación y las sombras. 

Entre los ejemplos que se aportan en la web del proyecto está la imagen de un coche creado de manera artificial. No llega a ser tan realista como para confundirlo con uno real, pero es bastante convincente. Lo que le aporta ese realismo es el cambio en el reflejo de las ventanas, el parabrisas y el capó. NeRF es capaz de crear movimientos suaves y continuos, sin saltos, y al mismo tiempo conservando una alta resolución.

NeRF no es sólo capaz de dar vida a objetos tridimensionales, también es capaz de realizar tareas de realidad aumentada metiendo objetos virtuales en escenas reales fijas. Uno de los ejemplos más espectaculares un vídeo en el que una pelota recorre una imagen fija, la pelota es capaz de rodar por cada rincón de la sala sin toparse con ningún obstáculo. 

No todos los coches autónomos son iguales: estos son los seis niveles que los diferencian

Estos son los seis niveles de conducción autónoma.  La clasificación de los niveles de autonomía fue establecida en 2015 por la sociedad de ingenieros automotrices SAE.

Lee la noticia

Este proyecto podría tener aplicaciones útiles en más de un sector. A los coches autónomos les podría ayudar a comprender mejor las condiciones de la carretera por la que circulan. Mientras que también podría ser realmente útil para crear videojuegos más realistas o incluso mejorar los efectos especiales en el cine.

Sin embargo, para llegar a contribuir con la industria automovilística todavía sería necesario dar algunos pasos más en el desarrollo de esta red. Sus próximos retos podrían ser la optimización de este tecnología para que sea capaz de entrenar a la red neuronal de forma dinámica y sea capaz de representar escenarios cambiantes. Hasta ahora todos los ejemplos que han mostrado se centran en escenarios fijos con algo de movimiento o con algún objeto virtual integrado en la escena real.