NVIDIA ընկերություն մեքենայական ուսուցման համակարգի սկզբնական կոդեր (GauGAN), որը թույլ է տալիս սինթեզել իրատեսական լանդշաֆտներ՝ հիմնված կոպիտ էսքիզների, ինչպես նաև նախագծի հետ կապված։ . Համակարգն էր մարտին GTC 2019 համաժողովում, սակայն կոդը հրապարակվել է միայն երեկ։ Զարգացումներ սեփականության լիցենզիայի ներքո (Creative Commons Attribution-NonCommercial-ShareAlike 4.0), որը թույլ է տալիս միայն ոչ առևտրային օգտագործման համար: Կոդը գրված է Python-ում՝ օգտագործելով շրջանակը .
Էսքիզները կազմվում են հատվածավորված քարտեզի տեսքով, որը որոշում է մոտավոր օբյեկտների տեղադրումը դեպքի վայրում: Ստեղծված օբյեկտների բնույթը նշվում է գունավոր նշանների միջոցով: Օրինակ՝ կապույտ լցոնումը վերածվում է երկնքի, կապույտը՝ ջրի, մուգ կանաչը՝ ծառերի, բաց կանաչը՝ խոտի, բաց շագանակագույնը՝ ժայռերի, մուգ շագանակագույնը՝ լեռների, մոխրագույնը՝ ձյան, շագանակագույն գիծը՝ ճանապարհի, իսկ կապույտը։ գիծ գետի մեջ Բացի այդ, հղման պատկերների ընտրության հիման վրա որոշվում է ընդհանուր կազմի ոճը և օրվա ժամը: Վիրտուալ աշխարհներ ստեղծելու համար առաջարկվող գործիքը կարող է օգտակար լինել մասնագետների լայն շրջանակի համար՝ ճարտարապետներից և քաղաքաշինարարներից մինչև խաղեր մշակողներ և լանդշաֆտային դիզայներներ:
Օբյեկտները սինթեզվում են գեներատիվ հակառակորդ նեյրոնային ցանցի միջոցով (), որը ստեղծում է իրատեսական պատկերներ՝ հիմնվելով սխեմատիկ հատվածավորված քարտեզի վրա՝ վերցնելով մանրամասներ մի քանի միլիոն լուսանկարների վրա նախապես պատրաստված մոդելից: Ի տարբերություն նախկինում մշակված պատկերների սինթեզի համակարգերի, առաջարկվող մեթոդը հիմնված է հարմարվողական տարածական փոխակերպման օգտագործման վրա, որին հաջորդում է մեքենայական ուսուցման վրա հիմնված փոխակերպումը: Սեգմենտային քարտեզի մշակումը իմաստային նշագրման փոխարեն թույլ է տալիս հասնել ճշգրիտ արդյունքների և վերահսկել ոճը:
Իրատեսության հասնելու համար երկու նեյրոնային ցանցեր մրցում են միմյանց հետ՝ գեներատորը և խտրականիչը: Գեներատորը ստեղծում է պատկերներ՝ հիմնվելով իրական լուսանկարների տարրերի խառնման վրա, իսկ տարբերակիչը բացահայտում է իրական պատկերներից հնարավոր շեղումները: Արդյունքում ձևավորվում է հետադարձ կապ, որի հիման վրա գեներատորը սկսում է ավելի լավ նմուշներ կազմել այնքան ժամանակ, մինչև որ խտրողը դադարի դրանք տարբերել իրականից։
Source: opennet.ru