എൻവിഡിയ ന്യൂറൽ നെറ്റ്‌വർക്ക് ലളിതമായ സ്കെച്ചുകളെ മനോഹരമായ ലാൻഡ്‌സ്‌കേപ്പുകളാക്കി മാറ്റുന്നു

പുകവലിക്കാരന്റെ വെള്ളച്ചാട്ടവും ആരോഗ്യമുള്ള ഒരു വ്യക്തിയുടെ വെള്ളച്ചാട്ടവും

മൂങ്ങയെ എങ്ങനെ വരയ്ക്കാമെന്ന് നമുക്കെല്ലാവർക്കും അറിയാം. ആദ്യം നിങ്ങൾ ഒരു ഓവൽ വരയ്ക്കേണ്ടതുണ്ട്, തുടർന്ന് മറ്റൊരു സർക്കിൾ, തുടർന്ന് - അത് ഒരു ഗംഭീര മൂങ്ങയായി മാറുന്നു. തീർച്ചയായും, ഇതൊരു തമാശയാണ്, വളരെ പഴയതാണ്, പക്ഷേ എൻവിഡിയ എഞ്ചിനീയർമാർ ഫാന്റസി യാഥാർത്ഥ്യമാക്കാൻ ശ്രമിച്ചു.

പുതിയ വികസനം, GouGAN എന്ന് വിളിക്കപ്പെടുന്ന, വളരെ ലളിതമായ സ്കെച്ചുകളിൽ നിന്ന് മനോഹരമായ പ്രകൃതിദൃശ്യങ്ങൾ സൃഷ്ടിക്കുന്നു (ശരിക്കും ലളിതം - സർക്കിളുകൾ, ലൈനുകൾ എന്നിവയും എല്ലാം). തീർച്ചയായും, ഈ വികസനം ആധുനിക സാങ്കേതികവിദ്യകളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ് - അതായത്, ജനറേറ്റീവ് അഡ്‌വേർസേറിയൽ ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ.

വർണ്ണാഭമായ വെർച്വൽ ലോകങ്ങൾ സൃഷ്ടിക്കാൻ GauGAN നിങ്ങളെ അനുവദിക്കുന്നു - വിനോദത്തിന് മാത്രമല്ല, ജോലിക്കും. അതിനാൽ, ആർക്കിടെക്റ്റുകൾ, ലാൻഡ്സ്കേപ്പ് ഡിസൈനർമാർ, ഗെയിം ഡെവലപ്പർമാർ - എല്ലാവർക്കും ഉപയോഗപ്രദമായ എന്തെങ്കിലും പഠിക്കാൻ കഴിയും. ഒരു വ്യക്തിക്ക് എന്താണ് വേണ്ടതെന്ന് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഉടനടി "മനസ്സിലാക്കുന്നു" കൂടാതെ യഥാർത്ഥ ആശയത്തെ വലിയ അളവിലുള്ള വിശദാംശങ്ങളോടെ പൂർത്തീകരിക്കുന്നു.

“ഗുണമേന്മയുള്ള ചിത്രങ്ങൾ ചേർത്ത് ഒരു സ്മാർട്ട് ബ്രഷിന് പ്രാരംഭ സ്കെച്ചിനെ പൂർത്തീകരിക്കാൻ കഴിയുന്നതിനാൽ, ഡിസൈൻ വികസനത്തിന്റെ കാര്യത്തിൽ മസ്തിഷ്കപ്രക്രിയ ഗൗഗന്റെ സഹായത്തോടെ വളരെ എളുപ്പമാണ്,” ഒരു ഗൗഗാൻ ഡവലപ്പർ പറഞ്ഞു.

ഈ ഉപകരണത്തിന്റെ ഉപയോക്താക്കൾക്ക് യഥാർത്ഥ ആശയം മാറ്റാനും ലാൻഡ്സ്കേപ്പ് അല്ലെങ്കിൽ മറ്റ് ഇമേജ് പരിഷ്ക്കരിക്കാനും ആകാശം, മണൽ, കടൽ മുതലായവ ചേർക്കാനും കഴിയും. നിങ്ങളുടെ ഹൃദയം ആഗ്രഹിക്കുന്നതെല്ലാം, കൂടാതെ കൂട്ടിച്ചേർക്കലിന് കുറച്ച് നിമിഷങ്ങൾ മാത്രമേ എടുക്കൂ.

ദശലക്ഷക്കണക്കിന് ചിത്രങ്ങളുടെ ഡാറ്റാബേസ് ഉപയോഗിച്ചാണ് ന്യൂറൽ നെറ്റ്‌വർക്ക് പരിശീലിപ്പിച്ചത്. ഇതിന് നന്ദി, ഒരു വ്യക്തി എന്താണ് ആഗ്രഹിക്കുന്നതെന്നും അവർ ആഗ്രഹിക്കുന്നത് എങ്ങനെ നേടാമെന്നും സിസ്റ്റത്തിന് മനസ്സിലാക്കാൻ കഴിയും. മാത്രമല്ല, ന്യൂറൽ നെറ്റ്വർക്ക് ഏറ്റവും ചെറിയ വിശദാംശങ്ങളെക്കുറിച്ച് മറക്കുന്നില്ല. അതിനാൽ, നിങ്ങൾ ആസൂത്രിതമായി ഒരു കുളവും അതിനടുത്തായി കുറച്ച് മരങ്ങളും വരയ്ക്കുകയാണെങ്കിൽ, ലാൻഡ്സ്കേപ്പ് പുനരുജ്ജീവിപ്പിച്ച ശേഷം, അടുത്തുള്ള എല്ലാ വസ്തുക്കളും കുളത്തിലെ വെള്ളത്തിന്റെ കണ്ണാടിയിൽ പ്രതിഫലിക്കും.

ദൃശ്യമായ ഉപരിതലം എന്തായിരിക്കണമെന്ന് നിങ്ങൾക്ക് സിസ്റ്റത്തോട് പറയാൻ കഴിയും - അത് പുല്ല്, മഞ്ഞ്, വെള്ളം അല്ലെങ്കിൽ മണൽ കൊണ്ട് മൂടാം. ഇതെല്ലാം ഒരു സെക്കൻഡിനുള്ളിൽ രൂപാന്തരപ്പെടുത്താം, അങ്ങനെ മഞ്ഞ് മണലായി മാറുകയും മഞ്ഞുവീഴ്ചയുള്ള തരിശുഭൂമിക്ക് പകരം കലാകാരന് ഒരു മരുഭൂമി ലാൻഡ്സ്കേപ്പ് ലഭിക്കുകയും ചെയ്യുന്നു.

“മരം എവിടെ സ്ഥാപിക്കണം, സൂര്യൻ എവിടെ, ആകാശം എവിടെ എന്ന് പറയുന്ന ഒരു കളറിംഗ് പുസ്തകം പോലെയാണ് ഇത്. തുടർന്ന്, പ്രാരംഭ ചുമതലയ്ക്ക് ശേഷം, ന്യൂറൽ നെറ്റ്‌വർക്ക് ചിത്രം ആനിമേറ്റ് ചെയ്യുന്നു, ആവശ്യമായ വിശദാംശങ്ങളും ടെക്സ്ചറുകളും ചേർക്കുന്നു, പ്രതിഫലനങ്ങൾ വരയ്ക്കുന്നു. ഇതെല്ലാം യഥാർത്ഥ ചിത്രങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്, ”ഡെവലപ്പർമാരിൽ ഒരാൾ പറയുന്നു.

സിസ്റ്റത്തിന് യഥാർത്ഥ ലോകത്തെക്കുറിച്ചുള്ള "ധാരണ" ഇല്ലെങ്കിലും, സിസ്റ്റം ആകർഷകമായ പ്രകൃതിദൃശ്യങ്ങൾ സൃഷ്ടിക്കുന്നു. കാരണം, ജനറേറ്ററും ഡിസ്‌ക്രിമിനേറ്ററും ആയ രണ്ട് ന്യൂറൽ നെറ്റ്‌വർക്കുകളാണ് ഇവിടെ ഉപയോഗിക്കുന്നത്. ജനറേറ്റർ ഒരു ചിത്രം സൃഷ്ടിക്കുകയും അത് വിവേചനക്കാരനെ കാണിക്കുകയും ചെയ്യുന്നു. അദ്ദേഹം, മുമ്പ് കണ്ട ദശലക്ഷക്കണക്കിന് ചിത്രങ്ങളെ അടിസ്ഥാനമാക്കി, ഏറ്റവും യഥാർത്ഥമായ ഓപ്ഷനുകൾ തിരഞ്ഞെടുക്കുന്നു.

അതുകൊണ്ടാണ് പ്രതിഫലനങ്ങൾ എവിടെയായിരിക്കണമെന്ന് ജനറേറ്ററിന് "അറിയാം". ഉപകരണം വളരെ വഴക്കമുള്ളതും ധാരാളം ക്രമീകരണങ്ങളാൽ സജ്ജീകരിച്ചിരിക്കുന്നതും ശ്രദ്ധിക്കേണ്ടതാണ്. അതിനാൽ, ഇത് ഉപയോഗിച്ച്, നിങ്ങൾക്ക് പെയിന്റ് ചെയ്യാം, ഒരു പ്രത്യേക കലാകാരന്റെ ശൈലിയിൽ ക്രമീകരിക്കാം, അല്ലെങ്കിൽ സൂര്യോദയമോ സൂര്യാസ്തമയമോ വേഗത്തിൽ ചേർത്ത് കളിക്കാം.

എവിടെ നിന്നെങ്കിലും ചിത്രങ്ങൾ എടുക്കുക മാത്രമല്ല അവ ഒരുമിച്ച് ചേർക്കുകയും ഫലം നേടുകയും ചെയ്യുന്നതാണ് ഈ സംവിധാനം എന്ന് ഡവലപ്പർമാർ അവകാശപ്പെടുന്നു. ഇല്ല, ലഭിച്ച എല്ലാ "ചിത്രങ്ങളും" ജനറേറ്റ് ചെയ്തതാണ്. അതായത്, ന്യൂറൽ നെറ്റ്‌വർക്ക് ഒരു യഥാർത്ഥ കലാകാരനെപ്പോലെ (അല്ലെങ്കിൽ അതിലും മികച്ചത്) "സൃഷ്ടിക്കുന്നു".

ഇതുവരെ, പ്രോഗ്രാം സ്വതന്ത്രമായി ലഭ്യമല്ല, എന്നാൽ ഉടൻ തന്നെ അത് ജോലിയിൽ പരീക്ഷിക്കാൻ സാധിക്കും. നിലവിൽ കാലിഫോർണിയയിൽ നടക്കുന്ന GPU ടെക്‌നോളജി കോൺഫറൻസ് 2019-ൽ ഇത് ചെയ്യാൻ കഴിയും. പ്രദർശനം സന്ദർശിക്കാൻ കഴിഞ്ഞ ഭാഗ്യശാലികൾക്ക് ഇതിനകം തന്നെ ഗൗഗാൻ പരീക്ഷിക്കാവുന്നതാണ്.

സൃഷ്ടിപരമായ പ്രക്രിയയിൽ പങ്കെടുക്കാൻ ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ വളരെക്കാലമായി പഠിപ്പിച്ചു. ഉദാഹരണത്തിന്, കഴിഞ്ഞ വർഷം, അവയിൽ ചിലത് 3D മോഡലുകൾ സൃഷ്ടിക്കാൻ കഴിയും. കൂടാതെ, ഡ്രോയിംഗുകൾ, ഫോട്ടോഗ്രാഫുകൾ, സ്കെച്ചുകൾ എന്നിവയിൽ നിന്നുള്ള ത്രിമാന ഇടങ്ങളും വസ്തുക്കളും പുനഃസ്ഥാപിക്കാൻ DeepMind-ൽ നിന്നുള്ള ഡെവലപ്പർമാർ ന്യൂറൽ നെറ്റ്‌വർക്കിനെ പരിശീലിപ്പിച്ചു. ഒരു ലളിതമായ ചിത്രം പുനർനിർമ്മിക്കുന്നതിന്, ന്യൂറൽ നെറ്റ്‌വർക്കിന് ഒരു ചിത്രം ആവശ്യമാണ്; കൂടുതൽ സങ്കീർണ്ണമായ വസ്തുക്കൾ സൃഷ്ടിക്കുന്നതിന്, "പരിശീലനത്തിന്" അഞ്ച് ചിത്രങ്ങൾ ആവശ്യമാണ്.

GauGAN-നെ സംബന്ധിച്ചിടത്തോളം, ഈ ഉപകരണം യോഗ്യമായ ഒരു വാണിജ്യ ആപ്ലിക്കേഷൻ കണ്ടെത്തും - ബിസിനസിന്റെയും ശാസ്ത്രത്തിന്റെയും പല മേഖലകളിലും അത്തരം സേവനങ്ങളുടെ ആവശ്യകതയുണ്ട്.

അവലംബം: www.habr.com