Outpost VFX تُسرّع تدريب نماذج الذكاء الاصطناعي للمؤثرات البصرية 8 مرات على AWS

نشرت مدونة AWS Machine Learning Blog دراسة حالة توضح كيف حقّق استوديو المؤثرات البصرية Outpost VFX تسريعًا بمقدار 8 أضعاف في تدريب نماذج الذكاء الاصطناعي، بعد أن أعاد بناء مسار عمل استبدال الوجوه (face replacement) على بنية AWS التحتية متعددة المعالجات الرسومية.

ما المشكلة التي واجهتها Outpost VFX؟

تعتمد Outpost VFX على نماذج الشبكات العصبية لاستبدال وجوه الممثلين ومؤدّي المشاهد الخطرة تلقائيًا في الأفلام والمسلسلات، وهي تقنية تحلّ محل جزء من العمل اليدوي الذي يؤديه فنانو المؤثرات البصرية. وكان مسار عمل الاستوديو في الأصل مقيّدًا بالتدريب على معالج رسومي واحد (single-GPU)، ما شكّل عنق زجاجة: إذ كان زمن تدريب النماذج يحدّ مباشرة من سرعة الإنتاج.

كيف سرّعت AWS التدريب 8 مرات؟

أتاح الانتقال إلى بنية AWS التحتية مع التدريب على عدة معالجات رسومية (multi-GPU) لـ Outpost VFX توزيع الحمل الحسابي على عدة معالجات رسومية في وقت واحد، بدلًا من المعالجة المتسلسلة على مسرّع واحد.

• تسريع تدريب نماذج الذكاء الاصطناعي — 8 مرات مقارنة بمسار العمل السابق
• التقنية — face replacement، أي استبدال الوجوه في المؤثرات البصرية السينمائية
• التغيير الرئيسي — الانتقال من التدريب على single-GPU إلى التدريب على multi-GPU على AWS

في استوديوهات المؤثرات البصرية، حيث تُحدَّد مواعيد إنتاج الفيلم أو المسلسل بصرامة، تؤثر سرعة تدريب النماذج مباشرة في عدد اللقطات والمشاهد التي يستطيع الفريق معالجتها قبل الموعد النهائي. ويعني التسريع بمقدار 8 أضعاف عمليًا أن المهام التي كانت تستغرق أسبوعًا يمكن إنجازها الآن في يوم واحد.

ماذا يعني ذلك؟

تُظهر حالة Outpost VFX أن صناعة السينما تتجه أكثر فأكثر إلى استخدام البنية التحتية للذكاء الاصطناعي لدى مزوّدي الخدمات السحابية الكبار، لا للتجريب بل للإنتاج الفعلي. وتُظهر كذلك أن القيود المعمارية، مثل التدريب على single-GPU، تبقى من أبرز العوائق التي يضطر الاستوديوهات إلى تجاوزها عند توسيع نطاق استخدام الذكاء الاصطناعي في المؤثرات البصرية.