NVIDIA codicem aperit pro machinae systemate discendi quae landscapes ex sketches componit

NVIDIA Company published исходные тексты системы машинного обучения LIGONEM (GauGAN), позволяющей синтезировать реалистичные пейзажи на основе грубых набросков, а также связанные с проектом натренированные модели. Система была demonstratum в марте на конференции GTC 2019, но код был опубликован только вчера. Наработки aperta под несвободной лицензией CC BY-SA 4.0 NC, (Creative Commons Attribution-NonCommercial-ShareAlike 4.0), допускающей использование только в некоммерческих целях. Код написан на языке Python с применением фреймворка PyTorch.

Наброски оформляются в виде сегментированной карты, определяющей размещение примерных объектов на сцене. Характер генерируемых объектов задаётся при помощи цветовых меток. Например, голубая заливка преобразуется в небо, синяя в воду, тёмно-зелёная в деревья, светло-зелёная в траву, светло-коричневая в камни, тёмно-коричневая в горы, серая в снег, коричневая линия преобразуется в дорогу, а синяя линия в реку. Дополнительно на основе выбора эталонных изображений определяется общий стиль композиции и время суток. Предлагаемый инструмент для создания виртуальных миров может оказаться полезным широкому кругу специалистов, от архитекторов и планировщиков городской среды до разработчиков игр и ландшафтных дизайнеров.

Объекты синтезируются генеративно-состязательной нейронной сетью (GAN), которая на основе схематичной сегментированной карты создаёт реалистичные изображения, заимствуя детали из модели, предварительно обученной на нескольких миллионах фотоснимков. В отличие от ранее развиваемых систем синтеза изображений предложенный метод основан на применении адаптивного пространственного преобразования с последующей трансформацией на основе машинного обучения. Обработка сегментированной карты вместо семантической разметки позволяет добиться точного соответствия результата и контролировать стиль.

Ut realismum consequamur, duo retia neuralis inter se contendunt: generator et discriminator. Generator imagines generat mixtis elementis realium imagines, et discriminator deviationes possibilium ab realibus imaginibus agnoscit. Quam ob rem, opiniones formatur, ex quibus generans exempla in dies meliora componere incipit donec discriminator eas a realibus distinguere desinat.

Source: opennet.ru