Nvidia ન્યુરલ નેટવર્ક સરળ સ્કેચને સુંદર લેન્ડસ્કેપ્સમાં ફેરવે છે

ધુમ્રપાન કરનારનો ધોધ અને તંદુરસ્ત વ્યક્તિનો ધોધ

આપણે બધા જાણીએ છીએ કે ઘુવડ કેવી રીતે દોરવું. પ્રથમ તમારે અંડાકાર દોરવાની જરૂર છે, પછી બીજું વર્તુળ, અને પછી - તે એક ભવ્ય ઘુવડ બહાર વળે છે. અલબત્ત, આ એક મજાક છે, અને ખૂબ જ જૂની છે, પરંતુ Nvidia એન્જિનિયરોએ કાલ્પનિકતાને સાચી બનાવવાનો પ્રયાસ કર્યો.

નવો વિકાસ, જેને ગૌગન કહેવામાં આવે છે, ખૂબ જ સરળ સ્કેચ (ખરેખર સરળ - વર્તુળો, રેખાઓ અને બધા) માંથી ખૂબસૂરત લેન્ડસ્કેપ્સ બનાવે છે. અલબત્ત, આ વિકાસ આધુનિક તકનીકો પર આધારિત છે - એટલે કે, જનરેટિવ એડવર્સરીયલ ન્યુરલ નેટવર્ક.

GauGAN તમને રંગબેરંગી વર્ચ્યુઅલ વિશ્વ બનાવવાની મંજૂરી આપે છે - અને માત્ર મનોરંજન માટે જ નહીં, પણ કામ માટે પણ. તેથી, આર્કિટેક્ટ્સ, લેન્ડસ્કેપ ડિઝાઇનર્સ, ગેમ ડેવલપર્સ - તેઓ બધા કંઈક ઉપયોગી શીખી શકે છે. કૃત્રિમ બુદ્ધિ તરત જ "સમજે છે" વ્યક્તિ શું ઇચ્છે છે અને મોટી માત્રામાં વિગત સાથે મૂળ વિચારને પૂરક બનાવે છે.

"ડિઝાઇન ડેવલપમેન્ટના સંદર્ભમાં વિચાર મંથન કરવું એ GauGAN ની મદદથી ખૂબ સરળ છે, કારણ કે સ્માર્ટ બ્રશ ગુણવત્તાયુક્ત છબીઓ ઉમેરીને પ્રારંભિક સ્કેચને પૂરક બનાવી શકે છે," એક GauGAN વિકાસકર્તાએ જણાવ્યું હતું.

આ ટૂલના વપરાશકર્તાઓ મૂળ વિચાર બદલી શકે છે, લેન્ડસ્કેપ અથવા અન્ય છબીને સંશોધિત કરી શકે છે, આકાશ, રેતી, સમુદ્ર વગેરે ઉમેરી શકે છે. તમારા હૃદયની ઈચ્છા હોય તે બધું, અને ઉમેરવામાં માત્ર થોડી સેકંડ લાગે છે.

ન્યુરલ નેટવર્કને લાખો ઈમેજોના ડેટાબેઝનો ઉપયોગ કરીને તાલીમ આપવામાં આવી હતી. આનો આભાર, સિસ્ટમ સમજી શકે છે કે વ્યક્તિ શું ઇચ્છે છે અને તેને જે જોઈએ છે તે કેવી રીતે પ્રાપ્ત કરવું. તદુપરાંત, ન્યુરલ નેટવર્ક નાની વિગતો વિશે ભૂલી જતું નથી. તેથી, જો તમે યોજનાકીય રીતે તળાવ અને તેની બાજુમાં કેટલાક વૃક્ષો દોરો છો, તો પછી લેન્ડસ્કેપને પુનર્જીવિત કર્યા પછી, નજીકની બધી વસ્તુઓ તળાવના પાણીના અરીસામાં પ્રતિબિંબિત થશે.

તમે સિસ્ટમને કહી શકો છો કે દૃશ્યમાન સપાટી શું હોવી જોઈએ - તે ઘાસ, બરફ, પાણી અથવા રેતીથી આવરી શકાય છે. આ બધું એક સેકન્ડમાં રૂપાંતરિત થઈ શકે છે, જેથી બરફ રેતી બની જાય અને બરફીલા પડતર જમીનને બદલે, કલાકારને રણનો લેન્ડસ્કેપ મળે.

“તે એક રંગીન પુસ્તક જેવું છે જે કહે છે કે વૃક્ષ ક્યાં મૂકવું, સૂર્ય ક્યાં છે અને આકાશ ક્યાં છે. પછી, પ્રારંભિક કાર્ય પછી, ન્યુરલ નેટવર્ક ચિત્રને એનિમેટ કરે છે, જરૂરી વિગતો અને ટેક્સચર ઉમેરે છે, પ્રતિબિંબ દોરે છે. આ બધું વાસ્તવિક છબીઓ પર આધારિત છે,” એક વિકાસકર્તા કહે છે.

સિસ્ટમમાં વાસ્તવિક દુનિયાની "સમજણ" નો અભાવ હોવા છતાં, સિસ્ટમ અદભૂત લેન્ડસ્કેપ્સ બનાવે છે. આ એટલા માટે છે કારણ કે અહીં બે ન્યુરલ નેટવર્કનો ઉપયોગ થાય છે, એક જનરેટર અને એક ભેદભાવ. જનરેટર એક છબી બનાવે છે અને તેને ભેદભાવ કરનારને બતાવે છે. તે, અગાઉ જોયેલી લાખો છબીઓના આધારે, સૌથી વાસ્તવિક વિકલ્પો પસંદ કરે છે.

તેથી જ જનરેટર "જાણે છે" કે પ્રતિબિંબ ક્યાં હોવા જોઈએ. તે નોંધવું યોગ્ય છે કે સાધન ખૂબ જ લવચીક છે અને મોટી સંખ્યામાં સેટિંગ્સથી સજ્જ છે. તેથી, તેની સાથે, તમે પેઇન્ટ કરી શકો છો, કોઈ ચોક્કસ કલાકારની શૈલીને સમાયોજિત કરી શકો છો અથવા ફક્ત સૂર્યોદય અથવા સૂર્યાસ્તના ઝડપી ઉમેરો સાથે રમી શકો છો.

વિકાસકર્તાઓ દાવો કરે છે કે સિસ્ટમ માત્ર ક્યાંકથી છબીઓ લેતી નથી, તેમને એકસાથે ઉમેરો અને પરિણામ મેળવો. ના, પ્રાપ્ત થયેલ તમામ "ચિત્રો" જનરેટ થાય છે. એટલે કે, ન્યુરલ નેટવર્ક વાસ્તવિક કલાકાર (અથવા વધુ સારા) ની જેમ "બનાવ" કરે છે.

અત્યાર સુધી, પ્રોગ્રામ મુક્તપણે ઉપલબ્ધ નથી, પરંતુ ટૂંક સમયમાં કાર્યમાં તેનું પરીક્ષણ કરવું શક્ય બનશે. આ GPU ટેકનોલોજી કોન્ફરન્સ 2019માં કરી શકાય છે, જે હાલમાં કેલિફોર્નિયામાં ચાલી રહી છે. જે નસીબદાર લોકો પ્રદર્શનની મુલાકાત લેવા સક્ષમ હતા તેઓ પહેલેથી જ ગૌગનનું પરીક્ષણ કરી શકે છે.

ન્યુરલ નેટવર્ક્સને સર્જનાત્મક પ્રક્રિયામાં ભાગ લેવા માટે લાંબા સમયથી શીખવવામાં આવે છે. ઉદાહરણ તરીકે, ગયા વર્ષે, તેમાંના કેટલાક 3D મોડલ બનાવી શકે છે. વધુમાં, ડીપમાઇન્ડના વિકાસકર્તાઓએ ડ્રોઇંગ, ફોટોગ્રાફ્સ અને સ્કેચમાંથી ત્રિ-પરિમાણીય જગ્યાઓ અને ઑબ્જેક્ટ્સને પુનઃસ્થાપિત કરવા માટે ન્યુરલ નેટવર્કને તાલીમ આપી. એક સરળ આકૃતિને ફરીથી બનાવવા માટે, ન્યુરલ નેટવર્કને એક ચિત્રની જરૂર છે; વધુ જટિલ વસ્તુઓ બનાવવા માટે, "તાલીમ" માટે પાંચ ચિત્રોની જરૂર છે.

GauGAN ની વાત કરીએ તો, આ ટૂલ સ્પષ્ટપણે યોગ્ય વ્યવસાયિક એપ્લિકેશન શોધી કાઢશે - વ્યવસાય અને વિજ્ઞાનના ઘણા ક્ષેત્રોને આવી સેવાઓની જરૂર છે.

સોર્સ: www.habr.com