កូដបើកចំហសម្រាប់ការសំយោគចលនាដោយប្រើបណ្តាញសរសៃប្រសាទ

ក្រុមអ្នកស្រាវជ្រាវមកពីសាកលវិទ្យាល័យបច្ចេកទេសសៀងហៃ បានផ្សព្វផ្សាយ ឧបករណ៍ អ្នកក្លែងបន្លំដែលអនុញ្ញាតឱ្យប្រើវិធីសាស្រ្តរៀនម៉ាស៊ីនដើម្បីក្លែងធ្វើចលនារបស់មនុស្សដោយប្រើរូបភាពឋិតិវន្ត ក៏ដូចជាការជំនួសសម្លៀកបំពាក់ ផ្ទេរពួកវាទៅបរិយាកាសផ្សេងទៀត និងផ្លាស់ប្តូរមុំដែលវត្ថុអាចមើលឃើញ។ កូដត្រូវបានសរសេរនៅក្នុង Python
ដោយប្រើក្របខ័ណ្ឌ ភីធ័រ. ការជួបប្រជុំគ្នាក៏ទាមទារផងដែរ។ ការមើលឃើញពិល និង CUDA Toolkit ។

ប្រអប់ឧបករណ៍ទទួលបានរូបភាពពីរវិមាត្រជាការបញ្ចូល និងសំយោគលទ្ធផលដែលបានកែប្រែដោយផ្អែកលើគំរូដែលបានជ្រើសរើស។ ជម្រើសបំប្លែងចំនួនបីត្រូវបានគាំទ្រ៖
ការបង្កើតវត្ថុផ្លាស់ទីដែលធ្វើតាមចលនាដែលគំរូត្រូវបានបណ្តុះបណ្តាល។ ការផ្ទេរធាតុនៃរូបរាងពីគំរូមួយទៅវត្ថុមួយ (ឧទាហរណ៍ ការផ្លាស់ប្តូរសម្លៀកបំពាក់)។ ការបង្កើតមុំថ្មី (ឧទាហរណ៍ ការសំយោគរូបភាពទម្រង់ផ្អែកលើរូបថតមុខពេញ)។ វិធីសាស្រ្តទាំងបីអាចត្រូវបានរួមបញ្ចូលគ្នាឧទាហរណ៍អ្នកអាចបង្កើតវីដេអូពីរូបថតដែលក្លែងធ្វើល្បិចកាយសម្ព័ន្ធស្មុគស្មាញនៅក្នុងសម្លៀកបំពាក់ផ្សេងៗគ្នា។

ក្នុងអំឡុងពេលដំណើរការសំយោគ ប្រតិបត្តិការជ្រើសរើសវត្ថុក្នុងរូបថត និងបង្កើតធាតុផ្ទៃខាងក្រោយដែលបាត់នៅពេលផ្លាស់ទីត្រូវបានអនុវត្តក្នុងពេលដំណាលគ្នា។ គំរូបណ្តាញសរសៃប្រសាទអាចត្រូវបានបណ្តុះបណ្តាលម្តង និងប្រើសម្រាប់ការផ្លាស់ប្តូរផ្សេងៗ។ សម្រាប់ការផ្ទុក មាន ម៉ូដែលដែលត្រៀមរួចជាស្រេចដែលអនុញ្ញាតឱ្យអ្នកប្រើឧបករណ៍ភ្លាមៗដោយគ្មានការបណ្តុះបណ្តាលបឋម។ GPU ដែលមានទំហំមេម៉ូរីយ៉ាងតិច 8GB តម្រូវឱ្យដំណើរការ។

មិនដូចវិធីសាស្រ្តបំប្លែងដោយផ្អែកលើការបំប្លែងដោយចំណុចសំខាន់ៗដែលពិពណ៌នាអំពីទីតាំងនៃរាងកាយក្នុងលំហរពីរវិមាត្រទេ អ្នកក្លែងបន្លំព្យាយាមសំយោគសំណាញ់បីវិមាត្រជាមួយនឹងការពិពណ៌នាអំពីរាងកាយដោយប្រើវិធីសាស្រ្តរៀនម៉ាស៊ីន។
វិធីសាស្រ្តដែលបានស្នើឡើងអនុញ្ញាតឱ្យមានឧបាយកលដោយគិតគូរពីរូបរាងកាយផ្ទាល់ខ្លួន និងឥរិយាបថបច្ចុប្បន្ន ដោយក្លែងធ្វើចលនាធម្មជាតិនៃអវយវៈ។

ដើម្បីរក្សាព័ត៌មានដើមដូចជា វាយនភាព រចនាប័ទ្ម ពណ៌ និងការសម្គាល់មុខក្នុងអំឡុងពេលដំណើរការផ្លាស់ប្តូរ។ បណ្តាញប្រសាទសត្រូវទូទៅ (GAN រាវ) ព័ត៌មានអំពីវត្ថុប្រភព និងប៉ារ៉ាម៉ែត្រសម្រាប់ការកំណត់អត្តសញ្ញាណច្បាស់លាស់របស់វាត្រូវបានស្រង់ចេញដោយការដាក់ពាក្យ បណ្តាញសរសៃប្រសាទ convolutional.

ប្រភព: opennet.ru