ओपन इमेज डेनॉइस, एक मुक्त स्रोत प्रतिमा डेनॉइस लायब्ररी

आज प्रतिमांवर लक्ष केंद्रित करणारे बरेच अनुप्रयोग आणि लायब्ररी आहेतआमच्याकडे सर्वोत्कृष्ट फोटोशॉप, जीआयएमपी, क्रिटा, पेंट, इतरांपैकी आहेत, जरी हे स्पष्ट आहे की पहिले दोन सर्वात पूर्ण आहेत.

पण कामाच्या विशिष्ट प्रकरणांसाठी इतकी संसाधने वापरणे आवश्यक नाही यापैकी कोणत्याहीच्या अंमलबजावणीसाठी, उदाहरणार्थ फक्त प्रतिमा क्रॉप करा, आकार बदला, देखावा, स्वरूप, काही किरकोळ बदल हाताळा, इतरांसह.

याचा मुद्दा असा की मी अलीकडेच ए उत्कृष्ट लायब्ररी ज्याने माझे लक्ष वेधले, कारण ते आहे आवाज काढण्यावर लक्ष केंद्रित केले प्रतिमांमध्ये आणि सर्वात महत्त्वाचे म्हणजे ते मुक्त स्त्रोत आहे आणि इंटेलच्या हातात हात घालून विकसित केले आहे.

जेव्हा आपण प्रतिमांमधील आवाजाबद्दल बोलतो, नाही, तो ध्वनी/ऑडिओच्या संदर्भात नाही (ज्याला आपण प्रतिमांबद्दल बोलत असल्यास अर्थ नाही), परंतु डिजिटल आवाज आहे:

इनपुट उपकरणाद्वारे तयार केलेल्या डिजिटल प्रतिमांमध्ये चमक किंवा रंगाची यादृच्छिक भिन्नता हे मुळात ते "ग्रेन" किंवा पिक्सेल असतात जे रंगाशी जुळत नाहीत. 

आणि आज आपण ज्या लायब्ररीबद्दल बोलू त्या लायब्ररीच्या मुद्द्याकडे परत जाणे म्हणजे "ओपन इमेज डेनोईज" जे रे ट्रेसिंग रेंडरिंग सिस्टमसह तयार केलेल्या प्रतिमांमधून आवाज काढून टाकण्यासाठी फिल्टरचा संग्रह विकसित करते.

ओपन इमेज डेनोइस बद्दल

प्रतिमा Denoise उघडा एका मोठ्या oneAPI रेंडरिंग टूलकिट प्रकल्पाचा भाग म्हणून विकसित केले जात आहे एम्ब्रे रे ट्रेसिंग लायब्ररी, GLuRay फोटोरिअलिस्टिक रेंडरिंग सिस्टम, OSPRay डिस्ट्रिब्युटेड रे ट्रेसिंग प्लॅटफॉर्म आणि OpenSWR सॉफ्टवेअर रास्टरायझेशन सिस्टमसह वैज्ञानिक गणनांसाठी सॉफ्टवेअर व्हिज्युअलायझेशन टूल्स विकसित करण्याच्या उद्देशाने.

प्रकल्पाचे उद्दिष्ट आहे उच्च-गुणवत्तेची, कार्यक्षम आणि वापरण्यास सोपी डिनोइझिंग वैशिष्ट्ये प्रदान करा जे किरण ट्रेसिंग परिणामांची गुणवत्ता सुधारण्यासाठी लागू केले जाऊ शकते. प्रस्तावित फिल्टर्स, कमी किरण ट्रेसिंग सायकलच्या परिणामाच्या आधारावर, अधिक महाग आणि धीमे तपशीलवार प्रस्तुतीकरण प्रक्रियेच्या परिणामाशी तुलना करता गुणवत्तेची अंतिम पातळी प्राप्त करण्यास परवानगी देतात.

ओपन इमेज डेनॉइस यादृच्छिक आवाज काढून टाकते, जसे की मॉन्टे कार्लो संख्यात्मक एकत्रीकरण रे ट्रेसिंग (MCRT). अशा अल्गोरिदममध्ये उच्च-गुणवत्तेचे प्रस्तुतीकरण प्राप्त करण्यासाठी, मोठ्या संख्येने किरणांचा मागोवा घेणे आवश्यक आहे; अन्यथा, लक्षात येण्याजोग्या कलाकृती परिणामी प्रतिमेमध्ये यादृच्छिक आवाजाच्या स्वरूपात दिसतात.

ओपन इमेज डेनोइस वापरणे परिमाणांच्या अनेक ऑर्डरद्वारे आवश्यक गणनांची संख्या कमी करण्यास अनुमती देते प्रत्येक पिक्सेलची गणना करताना. परिणामी, सुरुवातीला गोंगाट करणारी प्रतिमा अधिक जलद निर्माण करणे शक्य होते, परंतु नंतर जलद आवाज कमी करण्याच्या अल्गोरिदमचा वापर करून स्वीकार्य गुणवत्तेपर्यंत खाली आणणे शक्य होते. योग्य उपकरणांसह, प्रस्तावित साधने फ्लाय ऑन द डिनोइसिंगसह परस्परसंवादी किरण ट्रेसिंगसाठी देखील वापरली जाऊ शकतात.

Open Image Denoise ला अलीकडेच त्याची नवीन आवृत्ती 2.0 प्राप्त झाली ज्यामध्ये खालील बदल वेगळे आहेत:

• GPU वापरून आवाज कमी करण्याच्या ऑपरेशनला गती देण्यासाठी समर्थन. Intel Xe आर्किटेक्चर, AMD RDNA2, AMD RDNA3, NVIDIA Volta, NVIDIA Turing, NVIDIA Ampere, NVIDIA Ada Lovelace, आणि NVIDIA Hopper वर आधारित SYCL, CUDA आणि HIP सिस्टीमसह GPU ऑफलोडिंगसाठी लागू केलेले समर्थन.
• नवीन बफर व्यवस्थापन API जोडले आहे, जे तुम्हाला स्टोरेज प्रकार निवडण्याची, होस्ट डेटा कॉपी करण्याची आणि Vulkan आणि Direct3D 12 सारख्या ग्राफिक्स API मधून बाह्य बफर आयात करण्यास अनुमती देते.
• एसिंक्रोनस एक्झिक्युशन मोडसाठी समर्थन जोडले (oidnExecuteFilterAsync आणि oidnSyncDevice फंक्शन्स).
• सिस्टममध्ये उपस्थित असलेल्या भौतिक उपकरणांना विनंत्या पाठवण्यासाठी API जोडले.
• UUID किंवा PCI पत्त्यासारख्या भौतिक डिव्हाइस आयडीवर आधारित नवीन डिव्हाइस तयार करण्यासाठी oidnNewDeviceByID फंक्शन जोडले.
• SYCL, CUDA आणि HIP सह पोर्टेबिलिटीसाठी वैशिष्ट्ये जोडली.
• नवीन उपकरण स्कॅन पर्याय जोडले (सिस्टममेमोरी सपोर्टेड,
• व्यवस्थापितमेमोरीसमर्थित, बाह्य मेमरी प्रकार).
• फिल्टरची गुणवत्ता पातळी सेट करण्यासाठी पॅरामीटर जोडले.

प्रतिमा Denoise उघडा लॅपटॉप आणि पीसी पासून क्लस्टर नोड्सपर्यंत विविध प्रकारच्या उपकरणांवर वापरले जाऊ शकते. 64-बिट इंटेल CPU च्या विविध वर्गांसाठी अंमलबजावणी ऑप्टिमाइझ केली आहे. ओपन इमेज डेनोईस तसेच त्याची इन्स्टॉलेशन पद्धत चालवण्यास सक्षम होण्याच्या आवश्यकता जाणून घ्यायच्या असल्यास, तुम्ही सल्ला घेऊ शकता खालील दुवा.

कोड C++ मध्ये लिहिलेला आहे आणि Apache 2.0 लायसन्स अंतर्गत जारी केला आहे.