सार:
सोनी ने हाल ही में एक नया कृत्रिम बुद्धिमत्ता प्रौद्योगिकी पेटेंट प्रस्तुत किया है, जिसमें ग्राफिक्स कार्ड के रेंडरिंग पूरा होने से पहले गेम के अगले फ्रेम की भविष्यवाणी करने के लिए एआई का उपयोग करने का प्रस्ताव है, जिससे स्क्रीन लैग कम हो जाएगा और कुछ मौजूदा फ्रेम जेनरेशन प्रौद्योगिकियों के कारण होने वाली अतिरिक्त देरी की समस्याओं से बचने की कोशिश की जाएगी। पेटेंट विवरण के अनुसार, सिस्टम सबसे हाल ही में रेंडर किए गए फ्रेम और प्लेयर की नवीनतम नियंत्रक इनपुट जानकारी के आधार पर पहले से एक अनुमानित तस्वीर तैयार कर सकता है, और अगले फ्रेम के आधिकारिक रूप से रेंडर होने से पहले इसे प्लेयर को प्रदर्शित कर सकता है।
यह तकनीक मुख्य रूप से मौजूदा आंशिक फ्रेम जेनरेशन स्कीम की खामी को लक्षित करती है। कई मौजूदा समाधानों को गणना करने और उनके बीच इंटरपोलेटेड फ्रेम उत्पन्न करने से पहले दो पूर्ण फ्रेम प्राप्त करने की आवश्यकता होती है, और दूसरे फ्रेम के पूरा होने की प्रतीक्षा करने की प्रक्रिया में अतिरिक्त देरी होती है। सोनी की नई विधि इस प्रतीक्षा चरण को छोड़ने का प्रयास करती है और दो फ़्रेमों के बीच अंतरण के बजाय भविष्य की तस्वीरों की भविष्यवाणी करने के लिए सीधे मौजूदा चित्रों का उपयोग करती है।
सैद्धांतिक रूप से, जब रेंडरिंग लोड बढ़ता है और फ़्रेम दर गिरती है, तो इस पद्धति से चित्र आउटपुट को सुचारू बनाए रखने की उम्मीद की जाती है। हालाँकि, पेटेंट दस्तावेज़ विशिष्ट प्रदर्शन परीक्षण परिणाम प्रदान नहीं करता है, इसलिए विलंबता सुधार और अंतिम चित्र गुणवत्ता पर इसके वास्तविक प्रभाव को सत्यापित किया जाना बाकी है।
तकनीकी कार्यान्वयन के नजरिए से, सोनी ने एक संयुक्त रूप से प्रशिक्षित एनकोडर और डिकोडर आर्किटेक्चर डिजाइन किया है। एनकोडर प्रदान की गई छवि को एक कॉम्पैक्ट संख्यात्मक प्रतिनिधित्व, एक एम्बेडिंग वेक्टर में परिवर्तित करने के लिए जिम्मेदार है; फिर डिकोडर इस डेटा के आधार पर एक अनुमानित छवि उत्पन्न करता है।
जब गेम चल रहा हो, तो सिस्टम ग्राफ़िक्स रेंडरिंग पाइपलाइन के साथ सिंक में काम करेगा। जब हार्डवेयर अगला फ्रेम रेंडर कर रहा होता है, तो AI उसी समय पिछले फ्रेम को प्रोसेस करता है और पूर्वानुमान परिणाम डिस्प्ले बफर में भेजता है। इस तरह, अनुमानित फ्रेम को वास्तविक रेंडर किए गए फ्रेम के पूरा होने से पहले प्रदर्शित किया जा सकता है, जिससे रेंडरिंग गैप भर जाता है।
पेटेंट में यह भी उल्लेख किया गया है कि मॉडल भविष्यवाणी सटीकता में सुधार के लिए मोशन वैक्टर और नवीनतम नियंत्रक इनपुट डेटा का उपयोग कर सकता है। मोशन वैक्टर छवि में वस्तुओं की चलती दिशा और गति को प्रतिबिंबित कर सकते हैं, जबकि मुख्य संचालन खिलाड़ी के नवीनतम व्यवहार संबंधी इरादों को प्रतिबिंबित कर सकते हैं। दोनों अकेले पिछले फ्रेम की तुलना में एआई को अधिक जानकारी प्रदान कर सकते हैं।
प्रशिक्षण चरण डेटा स्रोत के रूप में निरंतर वीडियो फ़्रेम का उपयोग करता है। तंत्रिका नेटवर्क पहले यादृच्छिक भार के साथ प्रशिक्षण शुरू करता है, इनपुट के रूप में छवि का एक फ्रेम प्राप्त करता है और अगले फ्रेम की भविष्यवाणी करने की कोशिश करता है, फिर वास्तविक बाद के फ्रेम के साथ भविष्यवाणी परिणामों की तुलना करता है, हानि मूल्य के माध्यम से त्रुटि को मापता है, और मॉडल को लगातार अनुकूलित करता है।
पेटेंट विवरण के अनुसार, सिस्टम लगातार पता लगाएगा कि प्रशिक्षण प्रक्रिया के दौरान हानि मूल्य निर्धारित सीमा तक पहुंचता है या नहीं। चूंकि निरंतर वीडियो स्वयं वास्तविक संदर्भ छवियां प्रदान कर सकता है, इसलिए संपूर्ण प्रशिक्षण प्रक्रिया को मैन्युअल डेटा एनोटेशन की आवश्यकता नहीं होती है। इसके अतिरिक्त, डिकोडर एनकोडर द्वारा प्राप्त रंग चैनलों की तुलना में अधिक रंगीन चैनल आउटपुट करता है, जिसका अर्थ है कि सिस्टम में भविष्य में एक साथ कई अनुमानित फ़्रेम उत्पन्न करने की क्षमता होगी।
एआई समाधान के अलावा, सोनी ने एक गैर-कृत्रिम बुद्धिमत्ता विकल्प भी प्रस्तावित किया। यह योजना प्रशिक्षित एनकोडर और डिकोडर मॉडल का उपयोग किए बिना गति जानकारी के आधार पर पिक्सेल ब्लॉकों को स्थानांतरित करके सिंथेटिक फ्रेम उत्पन्न करती है। पेटेंट दस्तावेज़ में यह भी दावा किया गया है कि इन तकनीकों से एक निश्चित फ्रेम आउटपुट दर को बनाए रखते हुए तस्वीर की गुणवत्ता को कम करने से बचने की उम्मीद की जाती है, लेकिन यह अभी भी अज्ञात है कि क्या उत्पन्न फ्रेम वास्तव में मूल प्रतिपादन के समान दृश्य प्रभाव प्राप्त कर सकते हैं।
उद्योग के अंदरूनी सूत्रों का मानना है कि इस तकनीक का मुख्य परीक्षण यह है कि क्या एआई काफी तेज गति से अनुमानित छवियों को सटीक रूप से उत्पन्न कर सकता है और प्रदर्शन में गिरावट आने पर डिस्प्ले रिक्तियों को समय पर भर सकता है। पेटेंट एक व्यवहार्य विचार दिखाता है, लेकिन इसके वास्तविक प्रभाव को अभी भी भविष्य के उत्पाद या प्रौद्योगिकी प्रदर्शनों द्वारा सत्यापित करने की आवश्यकता है।
टिप्पणियाँ