Nvidia न्यूरल नेटवर्क साध्या स्केचेस सुंदर लँडस्केपमध्ये बदलते

धुम्रपान करणारा धबधबा आणि निरोगी व्यक्तीचा धबधबा

घुबड कसे काढायचे हे आपल्या सर्वांना माहित आहे. प्रथम आपल्याला अंडाकृती काढणे आवश्यक आहे, नंतर दुसरे वर्तुळ आणि नंतर - ते एक भव्य उल्लू बनते. अर्थात, हा एक विनोद आहे आणि खूप जुना आहे, परंतु एनव्हीडिया अभियंत्यांनी कल्पनारम्य सत्यात उतरवण्याचा प्रयत्न केला.

नवीन विकास, ज्याला गौगन म्हणतात, अतिशय साध्या स्केचेसमधून (खरोखर साधे - वर्तुळे, रेषा आणि सर्व) भव्य लँडस्केप तयार करतात. अर्थात, हा विकास आधुनिक तंत्रज्ञानावर आधारित आहे - म्हणजे, जनरेटिव्ह अॅडव्हर्सियल न्यूरल नेटवर्क्स.

GauGAN तुम्हाला रंगीबेरंगी आभासी जग तयार करण्याची परवानगी देतो - आणि केवळ मनोरंजनासाठीच नाही तर कामासाठी देखील. तर, आर्किटेक्ट, लँडस्केप डिझाइनर, गेम डेव्हलपर - ते सर्व काही उपयुक्त शिकू शकतात. कृत्रिम बुद्धिमत्ता एखाद्या व्यक्तीला काय हवे आहे ते त्वरित "समजते" आणि मोठ्या प्रमाणात तपशीलांसह मूळ कल्पना पूर्ण करते.

“डिझाईन डेव्हलपमेंटच्या दृष्टीने विचारमंथन करणे गौगनच्या मदतीने खूप सोपे आहे, कारण एक स्मार्ट ब्रश दर्जेदार प्रतिमा जोडून सुरुवातीच्या स्केचला पूरक ठरू शकतो,” असे गौगन डेव्हलपरने सांगितले.

या साधनाचे वापरकर्ते मूळ कल्पना बदलू शकतात, लँडस्केप किंवा इतर प्रतिमा बदलू शकतात, आकाश, वाळू, समुद्र इत्यादी जोडू शकतात. तुमच्या मनाची इच्छा असलेली प्रत्येक गोष्ट आणि जोडण्यासाठी फक्त काही सेकंद लागतात.

न्यूरल नेटवर्कला लाखो प्रतिमांचा डेटाबेस वापरून प्रशिक्षण देण्यात आले. याबद्दल धन्यवाद, एखाद्या व्यक्तीला काय हवे आहे आणि त्याला जे हवे आहे ते कसे मिळवायचे हे सिस्टम समजू शकते. शिवाय, न्यूरल नेटवर्क सर्वात लहान तपशीलांबद्दल विसरत नाही. म्हणून, जर आपण योजनाबद्धपणे तलाव आणि त्यापुढील काही झाडे काढली, तर लँडस्केप पुनरुज्जीवित झाल्यानंतर, तलावाच्या पाण्याच्या आरशात जवळपासच्या सर्व वस्तू प्रतिबिंबित होतील.

दृश्यमान पृष्ठभाग काय असावे हे आपण सिस्टमला सांगू शकता - ते गवत, बर्फ, पाणी किंवा वाळूने झाकले जाऊ शकते. हे सर्व एका सेकंदात बदलले जाऊ शकते, जेणेकरून बर्फ वाळू बनतो आणि बर्फाच्छादित पडीक प्रदेशाऐवजी कलाकाराला वाळवंटाचा लँडस्केप मिळतो.

“हे एका रंगीबेरंगी पुस्तकासारखे आहे ज्यामध्ये झाड कुठे ठेवावे, सूर्य कुठे आहे आणि आकाश कोठे आहे. त्यानंतर, प्रारंभिक कार्यानंतर, न्यूरल नेटवर्क चित्र सजीव करते, आवश्यक तपशील आणि पोत जोडते, प्रतिबिंबे काढते. हे सर्व वास्तविक प्रतिमांवर आधारित आहे,” विकासकांपैकी एक म्हणतो.

जरी या प्रणालीमध्ये वास्तविक जगाची "समज" नसली तरी, सिस्टम नेत्रदीपक लँडस्केप तयार करते. याचे कारण असे की येथे दोन न्यूरल नेटवर्क वापरले जातात, एक जनरेटर आणि एक डिस्क्रिमिनेटर. जनरेटर एक प्रतिमा तयार करतो आणि भेदभाव करणाऱ्याला दाखवतो. तो, पूर्वी पाहिलेल्या लाखो प्रतिमांवर आधारित, सर्वात वास्तववादी पर्याय निवडतो.

म्हणूनच जनरेटरला "माहित" आहे की प्रतिबिंब कुठे असावेत. हे लक्षात घेण्यासारखे आहे की साधन अतिशय लवचिक आहे आणि मोठ्या संख्येने सेटिंग्जसह सुसज्ज आहे. तर, त्यासह, आपण पेंट करू शकता, एखाद्या विशिष्ट कलाकाराच्या शैलीशी जुळवून घेऊ शकता किंवा फक्त सूर्योदय किंवा सूर्यास्ताच्या द्रुत जोडणीसह खेळू शकता.

विकासकांचा असा दावा आहे की प्रणाली फक्त कुठूनतरी प्रतिमा घेत नाही, त्यांना एकत्र जोडा आणि परिणाम मिळवा. नाही, सर्व प्राप्त "चित्रे" व्युत्पन्न आहेत. म्हणजेच, न्यूरल नेटवर्क एखाद्या वास्तविक कलाकारासारखे (किंवा त्याहूनही चांगले) "तयार करते".

आतापर्यंत, प्रोग्राम विनामूल्य उपलब्ध नाही, परंतु लवकरच कामात त्याची चाचणी घेणे शक्य होईल. हे सध्या कॅलिफोर्नियामध्ये सुरू असलेल्या GPU तंत्रज्ञान परिषद 2019 मध्ये केले जाऊ शकते. जे भाग्यवान लोक प्रदर्शनाला भेट देऊ शकले ते आधीच गौगनची चाचणी घेऊ शकतात.

न्यूरल नेटवर्कला सर्जनशील प्रक्रियेत भाग घेण्यास फार पूर्वीपासून शिकवले गेले आहे. उदाहरणार्थ, गेल्या वर्षी, त्यापैकी काही 3D मॉडेल तयार करू शकतात. याव्यतिरिक्त, डीपमाइंडच्या विकासकांनी रेखाचित्र, छायाचित्रे आणि स्केचमधून त्रिमितीय जागा आणि वस्तू पुनर्संचयित करण्यासाठी न्यूरल नेटवर्कला प्रशिक्षण दिले. एक साधी आकृती पुन्हा तयार करण्यासाठी, न्यूरल नेटवर्कला एक चित्र आवश्यक आहे; अधिक जटिल वस्तू तयार करण्यासाठी, "प्रशिक्षण" साठी पाच चित्रे आवश्यक आहेत.

GauGAN साठी, हे साधन स्पष्टपणे एक योग्य व्यावसायिक अनुप्रयोग शोधेल - व्यवसाय आणि विज्ञानाच्या अनेक क्षेत्रांना अशा सेवांची आवश्यकता आहे.

स्त्रोत: www.habr.com