Spiking-NeRF: شبكة عصبية نابضة لتقديم رسوم عصبية فعالة من حيث الطاقة

حققت الشبكات العصبية الاصطناعية (ANNs) أداءً ملحوظًا في العديد من مهام الذكاء الاصطناعي. مع تزايد تعقيد سيناريوهات التطبيق، تزداد أيضًا حسابات واستهلاك الطاقة للشبكات العصبية الاصطناعية، مما يطرح تحديًا لنشر الشبكات العصبية الاصطناعية على الأجهزة ذات القيود الطاقية. توفر الشبكات العصبية النابضة (SNNs) حلاً واعدًا لبناء شبكات عصبية فعالة من حيث الطاقة. ومع ذلك، فإن طرق التدريب الحالية على الشبكات العصبية النابضة لا يمكنها إخراج قيم دقيقة مثل الشبكات العصبية الاصطناعية. وهذا يحد من تطبيقات الشبكات العصبية النابضة على مهام تصنيف الصور البسيطة نسبيًا. في هذه المقالة، نوسع تطبيق الشبكات العصبية النابضة لمهام تقديم الرسوم العصبية ونقترح نموذج تقديم رسوم عصبية نابضة فعال من حيث الطاقة، يسمى Spiking-NeRF (حقول الإشعاع العصبي النابض). أولاً، نقوم بتحليل نظرية تحويل الشبكة العصبية الاصطناعية إلى شبكة عصبية نابضة ونقترح مخطط إخراج للشبكات العصبية النابضة للحصول على قيم خصائص المشهد الدقيقة. ثم نقوم بتخصيص طريقة تطبيع المعلمات للهيكل المعماري الخاص بشبكة تقديم الرسوم العصبية. علاوة على ذلك، نقدم استراتيجية إنهاء مبكر (ETS) استنادًا إلى الطبيعة المنفصلة للنوبات لتقليل استهلاك الطاقة. نقيم أداء Spiking-NeRF على كل من المشاهد الواقعية والاصطناعية. تظهر النتائج التجريبية أن Spiking-NeRF يمكن أن تحقق أداءً تقديميًا مقارنًا للأداء القائم على الشبكات العصبية الاصطناعية بنسبة تصل إلى \ (2. 27\) تقليل للطاقة.