ເຄືອຂ່າຍ neural ຂອງ Nvidia ປ່ຽນຮູບແຕ້ມແບບງ່າຍໆໃຫ້ເປັນພູມສັນຖານທີ່ສວຍງາມ

ນ້ຳຕົກຂອງຜູ້ສູບຢາ ແລະນ້ຳຕົກຂອງຄົນທີ່ມີສຸຂະພາບດີ

ພວກເຮົາທຸກຄົນຮູ້ວິທີການແຕ້ມ owl ໄດ້. ກ່ອນອື່ນ ໝົດ, ເຈົ້າຕ້ອງແຕ້ມຮູບໄຂ່, ຈາກນັ້ນຮູບວົງມົນອີກ, ແລະຫຼັງຈາກນັ້ນເຈົ້າຈະໄດ້ຮັບຮູບໄຂ່ທີ່ງົດງາມ. ແນ່ນອນ, ນີ້ແມ່ນເລື່ອງຕະຫລົກ, ແລະເປັນເລື່ອງເກົ່າຫຼາຍ, ແຕ່ວິສະວະກອນ Nvidia ພະຍາຍາມເຮັດໃຫ້ຈິນຕະນາການກາຍເປັນຈິງ.

ການພັດທະນາໃຫມ່, ເອີ້ນວ່າ GauGAN, ສ້າງພູມສັນຖານທີ່ສວຍງາມຈາກຮູບແຕ້ມທີ່ງ່າຍດາຍຫຼາຍ (ງ່າຍດາຍແທ້ໆ - ວົງ, ເສັ້ນແລະທຸກສິ່ງທຸກຢ່າງ). ແນ່ນອນ, ການພັດທະນານີ້ແມ່ນອີງໃສ່ເຕັກໂນໂລຢີທີ່ທັນສະໄຫມ - ຄືເຄືອຂ່າຍ neural adversarial generative .

GauGAN ຊ່ວຍໃຫ້ທ່ານສ້າງໂລກ virtual ທີ່ມີສີສັນ - ບໍ່ພຽງແຕ່ສໍາລັບການບັນເທີງ, ແຕ່ຍັງສໍາລັບການເຮັດວຽກ. ດັ່ງນັ້ນ, ສະຖາປະນິກ, ນັກອອກແບບພູມສັນຖານ, ນັກພັດທະນາເກມ - ພວກເຂົາທັງຫມົດສາມາດຮຽນຮູ້ສິ່ງທີ່ເປັນປະໂຫຍດ. ປັນຍາປະດິດທັນທີ "ເຂົ້າໃຈ" ສິ່ງທີ່ບຸກຄົນຕ້ອງການແລະປະກອບແນວຄວາມຄິດຕົ້ນສະບັບທີ່ມີຈໍານວນຂະຫນາດໃຫຍ່ຂອງລາຍລະອຽດ.

"ການລະດົມຄວາມຄິດໃນການອອກແບບແມ່ນງ່າຍຂຶ້ນຫຼາຍໂດຍໃຊ້ GauGAN ເພາະວ່າແປງອັດສະລິຍະສາມາດເສີມຂະຫຍາຍຮູບແຕ້ມຕົ້ນສະບັບທີ່ມີຮູບພາບທີ່ມີຄຸນນະພາບ," ຫນຶ່ງໃນນັກພັດທະນາ GauGAN ກ່າວ.

ຜູ້​ໃຊ້​ເຄື່ອງ​ມື​ນີ້​ສາ​ມາດ​ປ່ຽນ​ແປງ​ແນວ​ຄວາມ​ຄິດ​ຕົ້ນ​ສະ​ບັບ​, ປັບ​ປຸງ​ແກ້​ໄຂ​ພູມ​ສັນ​ຖານ​ຫຼື​ຮູບ​ພາບ​ອື່ນໆ​, ເພີ່ມ​ທ້ອງ​ຟ້າ​, ຊາຍ​, ທະ​ເລ​, ແລະ​ອື່ນໆ​. ສິ່ງໃດກໍ່ຕາມທີ່ຫົວໃຈຂອງເຈົ້າຕ້ອງການ, ແລະເພີ່ມມັນໃຊ້ເວລາພຽງແຕ່ສອງສາມວິນາທີ.

ເຄືອຂ່າຍ neural ໄດ້ຖືກຝຶກອົບຮົມໂດຍໃຊ້ຖານຂໍ້ມູນຂອງລ້ານຮູບພາບ. ຂໍຂອບໃຈກັບເລື່ອງນີ້, ລະບົບສາມາດເຂົ້າໃຈສິ່ງທີ່ບຸກຄົນຕ້ອງການແລະວິທີການບັນລຸສິ່ງທີ່ລາວຕ້ອງການ. ຍິ່ງໄປກວ່ານັ້ນ, ເຄືອຂ່າຍ neural ບໍ່ລືມກ່ຽວກັບລາຍລະອຽດຂະຫນາດນ້ອຍສຸດ. ດັ່ງນັ້ນ, ຖ້າທ່ານແຕ້ມແຜນວາດຂອງ ໜອງ ແລະຕົ້ນໄມ້ບາງອັນຢູ່ຂ້າງມັນ, ຫຼັງຈາກນັ້ນ, ຫຼັງຈາກພູມສັນຖານມີຊີວິດ, ວັດຖຸໃກ້ຄຽງທັງ ໝົດ ຈະຖືກສະທ້ອນຢູ່ໃນກະຈົກນ້ໍາຂອງໜອງ.

ລະບົບສາມາດບອກໄດ້ວ່າພື້ນຜິວທີ່ເບິ່ງເຫັນຄວນຈະເປັນແນວໃດ - ມັນສາມາດປົກຄຸມດ້ວຍຫຍ້າ, ຫິມະ, ນ້ໍາຫຼືດິນຊາຍ. ທັງຫມົດນີ້ສາມາດຖືກຫັນປ່ຽນໃນວິນາທີ, ດັ່ງນັ້ນຫິມະກາຍເປັນດິນຊາຍແລະແທນທີ່ຈະເປັນບ່ອນຂີ້ເຫຍື້ອທີ່ປົກຄຸມດ້ວຍຫິມະ, ນັກສິລະປິນໄດ້ຮັບທິວທັດທະເລຊາຍ.

“ມັນ​ຄື​ກັບ​ປຶ້ມ​ສີ​ທີ່​ບອກ​ເຈົ້າ​ວ່າ​ຈະ​ວາງ​ຕົ້ນ​ໄມ້​ຢູ່​ໃສ, ຕາ​ເວັນ​ຢູ່​ໃສ, ແລະ​ທ້ອງ​ຟ້າ​ຢູ່​ໃສ. ຫຼັງຈາກນັ້ນ, ຫຼັງຈາກວຽກງານເບື້ອງຕົ້ນ, ເຄືອຂ່າຍ neural ເຄື່ອນໄຫວຮູບພາບ, ເພີ່ມລາຍລະອຽດແລະໂຄງສ້າງທີ່ຈໍາເປັນ, ແລະແຕ້ມການສະທ້ອນ. "ທັງຫມົດນີ້ແມ່ນອີງໃສ່ຮູບພາບທີ່ແທ້ຈິງ," ຫນຶ່ງໃນນັກພັດທະນາເວົ້າວ່າ.

ເຖິງແມ່ນວ່າລະບົບຂາດ "ຄວາມເຂົ້າໃຈ" ຂອງໂລກທີ່ແທ້ຈິງ, ລະບົບຜະລິດພູມສັນຖານທີ່ຫນ້າປະທັບໃຈ. ນີ້ແມ່ນຍ້ອນວ່າສອງເຄືອຂ່າຍ neural ຖືກນໍາໃຊ້ຢູ່ທີ່ນີ້, ເຄື່ອງກໍາເນີດໄຟຟ້າແລະເຄື່ອງຈໍາແນກ. ຜູ້ຜະລິດສ້າງຮູບພາບແລະສະແດງໃຫ້ຜູ້ຈໍາແນກ. ລາວ, ອີງໃສ່ຫຼາຍລ້ານຮູບພາບທີ່ເຫັນກ່ອນຫນ້ານີ້, ເລືອກທາງເລືອກທີ່ເປັນຈິງທີ່ສຸດ.

ນີ້ແມ່ນເຫດຜົນທີ່ເຄື່ອງກໍາເນີດ "ຮູ້" ບ່ອນທີ່ການສະທ້ອນຄວນຈະຢູ່. ມັນເປັນມູນຄ່າທີ່ສັງເກດວ່າເຄື່ອງມືມີຄວາມຍືດຫຍຸ່ນຫຼາຍແລະມີການຕັ້ງຄ່າຈໍານວນຫລາຍ. ດັ່ງນັ້ນ, ດ້ວຍການຊ່ວຍເຫຼືອຂອງມັນ, ທ່ານສາມາດທາສີຮູບພາບ, ປັບຕົວເຂົ້າກັບແບບຂອງຈິດຕະນາການໂດຍສະເພາະ, ຫຼືພຽງແຕ່ dabble ດ້ວຍການເພີ່ມຕາເວັນຂຶ້ນຫຼືຕາເວັນຕົກ.

ນັກພັດທະນາອ້າງວ່າລະບົບບໍ່ພຽງແຕ່ເອົາຮູບພາບຈາກບ່ອນໃດບ່ອນຫນຶ່ງ, ເພີ່ມພວກມັນຮ່ວມກັນແລະໄດ້ຮັບຜົນໄດ້ຮັບ. ບໍ່, ຜົນໄດ້ຮັບ "ຮູບພາບ" ທັງຫມົດແມ່ນຖືກສ້າງຂຶ້ນ. ນັ້ນແມ່ນ, ເຄືອຂ່າຍ neural "ສ້າງ" ຄືກັບນັກສິລະປິນທີ່ແທ້ຈິງ (ຫຼືດີກວ່າ).

ສໍາລັບໃນປັດຈຸບັນ, ໂຄງການແມ່ນບໍ່ມີ freely, ແຕ່ໃນໄວໆນີ້ມັນຈະເປັນໄປໄດ້ທີ່ຈະລອງມັນອອກ. ນີ້ສາມາດເຮັດໄດ້ໃນກອງປະຊຸມເຕັກໂນໂລຢີ GPU 2019, ເຊິ່ງເກີດຂຶ້ນໃນປັດຈຸບັນໃນຄາລິຟໍເນຍ. ຜູ້ທີ່ໂຊກດີທີ່ໄດ້ໄປຢ້ຽມຢາມງານວາງສະແດງສາມາດທົດສອບ GauGAN ໄດ້ແລ້ວ.

ເຄືອຂ່າຍ neural ໄດ້ຖືກສອນມາດົນນານເພື່ອເຂົ້າຮ່ວມຂະບວນການສ້າງສັນ. ຕົວຢ່າງ, ປີທີ່ຜ່ານມາ, ບາງສ່ວນຂອງພວກເຂົາ ສາມາດສ້າງແບບຈໍາລອງ 3D ໄດ້. ນອກຈາກນັ້ນ, ນັກພັດທະນາຈາກ DeepMind ໄດ້ຝຶກອົບຮົມເຄືອຂ່າຍ neural ເພື່ອສ້າງພື້ນທີ່ສາມມິຕິລະດັບແລະວັດຖຸຈາກການແຕ້ມຮູບ, ຮູບ, ແລະຮູບແຕ້ມ. ເພື່ອສ້າງຕົວເລກທີ່ງ່າຍດາຍ, ເຄືອຂ່າຍ neural ຕ້ອງການຮູບຫນຶ່ງ; ເພື່ອສ້າງວັດຖຸທີ່ສັບສົນຫຼາຍ, ຫ້າຮູບແມ່ນຕ້ອງການສໍາລັບ "ການຝຶກອົບຮົມ".

ສໍາລັບ GauGAN, ເຄື່ອງມືນີ້ຈະເຫັນໄດ້ຊັດເຈນວ່າຄໍາຮ້ອງສະຫມັກການຄ້າທີ່ສົມຄວນ - ຫຼາຍຂົງເຂດທຸລະກິດແລະວິທະຍາສາດມີຄວາມຕ້ອງການສໍາລັບການບໍລິການດັ່ງກ່າວ.

ແຫຼ່ງຂໍ້ມູນ: www.habr.com