Nvidia အာရုံကြောကွန်ရက်သည် ရိုးရှင်းသော ပုံကြမ်းများကို လှပသောရှုခင်းများအဖြစ်သို့ ပြောင်းလဲပေးသည်။

ဆေးလိပ်သောက်သူ၏ ရေတံခွန်နှင့် ကျန်းမာသူတစ်ဦး၏ ရေတံခွန်

ဇီးကွက်ပုံဆွဲနည်းကို ကျွန်ုပ်တို့အားလုံး သိကြသည်။ ပထမဦးစွာ သင်သည် ဘဲဥပုံတစ်ပုံ၊ ထို့နောက် အခြားစက်ဝိုင်းတစ်ခုဆွဲရန် လိုအပ်ပြီး - ၎င်းသည် အလွန်လှပသောဇီးကွက်တစ်ခုထွက်လာသည်။ ဟုတ်ပါတယ်၊ ဒါက ဟာသတစ်ခုဖြစ်ပြီး အရမ်းဟောင်းပေမယ့် Nvidia အင်ဂျင်နီယာတွေက စိတ်ကူးယဉ်မှုကို အမှန်တကယ်ဖြစ်လာအောင် ကြိုးစားခဲ့ပါတယ်။

ဖွံ့ဖြိုးတိုးတက်မှုအသစ်GauGAN ဟုခေါ်သော၊ အလွန်ရိုးရှင်းသော ပုံကြမ်းများ (တကယ်ရိုးရှင်းသည် - စက်ဝိုင်းများ၊ လိုင်းများနှင့် အားလုံး) တို့မှ လှပသောရှုခင်းများကို ဖန်တီးသည်။ ဟုတ်ပါတယ်၊ ဒီတိုးတက်မှုဟာ ခေတ်မီနည်းပညာတွေအပေါ် အခြေခံတာပါပဲ - ပြောရရင် generative adversarial neural networks ပါ။

GauGAN သည် သင့်အား ရောင်စုံ virtual worlds များကို ဖန်တီးနိုင်သည် - ပျော်ရွှင်မှုအတွက်သာမက အလုပ်အတွက်ပါ ဖန်တီးနိုင်စေပါသည်။ ထို့ကြောင့်၊ ဗိသုကာပညာရှင်များ၊ ရှုခင်းဒီဇိုင်နာများ၊ ဂိမ်းဆော့ဖ်ဝဲရေးဆွဲသူများ - သူတို့အားလုံး အသုံးဝင်သောအရာတစ်ခုကို လေ့လာနိုင်ပါသည်။ Artificial Intelligence သည် လူတစ်ဦး လိုချင်သောအရာကို ချက်ချင်း “နားလည်” နိုင်ပြီး မူရင်းစိတ်ကူးကို အသေးစိတ်အချက်အလတ်များစွာဖြင့် ဖြည့်ဆည်းပေးသည်။

"စမတ်ဘရက်ရှ်သည် အရည်အသွေးပုံများကို ပေါင်းထည့်ခြင်းဖြင့် ကနဦးပုံကြမ်းကို ဖြည့်စွမ်းနိုင်သောကြောင့် GauGAN ၏အကူအညီဖြင့် ဒီဇိုင်းဖွံ့ဖြိုးတိုးတက်မှုတွင် ဖောက်ထွက်ခြင်းသည် ပိုမိုလွယ်ကူသည်" ဟု GauGAN developer တစ်ဦးက ပြောကြားခဲ့သည်။

ဤကိရိယာကို အသုံးပြုသူများသည် မူလစိတ်ကူးကို ပြောင်းလဲနိုင်သည်၊ ရှုခင်း သို့မဟုတ် အခြားပုံကို ပြင်ဆင်နိုင်သည်၊ ကောင်းကင်၊ သဲ၊ ပင်လယ်စသည်တို့ကို ထည့်နိုင်သည်။ မင်းရဲ့နှလုံးသားက လိုချင်တဲ့အရာတိုင်းကို စက္ကန့်အနည်းငယ်ပဲကြာတယ်။

အာရုံကြောကွန်ရက်သည် သန်းပေါင်းများစွာသော ပုံများ၏ ဒေတာဘေ့စ်ကို အသုံးပြု၍ လေ့ကျင့်သင်ကြားခဲ့သည်။ ဤကျေးဇူးကြောင့်၊ စနစ်သည် လူတစ်ဦးလိုချင်သောအရာနှင့် ၎င်းတို့လိုချင်သောအရာကို မည်သို့အောင်မြင်နိုင်သည်ကို နားလည်နိုင်သည်။ ထို့အပြင်၊ neural network သည်အသေးဆုံးအသေးစိတ်အချက်အလက်များကိုမေ့လျော့ခြင်းမရှိပါ။ ထို့ကြောင့် ရေကန်တစ်ခုနှင့် အနီးရှိ သစ်ပင်အချို့ကို စိတ်ကူးဖြင့်ရေးဆွဲပါက ရှုခင်းပြန်လည်ရှင်သန်လာပြီးနောက်၊ အနီးနားရှိ အရာဝတ္ထုအားလုံးကို ကန်ရေ၏မှန်ထဲတွင် ထင်ဟပ်စေမည်ဖြစ်သည်။

မြင်နိုင်သော မျက်နှာပြင်သည် မည်သည့်အရာဖြစ်သင့်သည်ကို စနစ်အား သင်ပြောပြနိုင်သည် - ၎င်းကို မြက်များ၊ နှင်းများ၊ ရေ သို့မဟုတ် သဲများဖြင့် ဖုံးအုပ်ထားနိုင်သည်။ ဤအရာအားလုံးကို တစ်စက္ကန့်အတွင်း ပြောင်းလဲနိုင်သည်၊ သို့မှသာ နှင်းများသည် သဲများဖြစ်လာကာ နှင်းထူထပ်သော မြေရိုင်းများအစား ပန်းချီဆရာသည် သဲကန္တာရရှုခင်းကို ရရှိမည်ဖြစ်သည်။

“သစ်ပင်ကို ဘယ်နေရာမှာထားရမလဲ၊ နေကဘယ်မှာလဲ၊ ကောင်းကင်ဘယ်မှာလဲလို့ ရောင်စုံစာအုပ်တစ်အုပ်နဲ့တူတယ်။ ထို့နောက် ကနဦးလုပ်ဆောင်မှုပြီးနောက်၊ အာရုံကြောကွန်ရက်သည် ရုပ်ပုံအား သက်ဝင်လှုပ်ရှားစေကာ လိုအပ်သောအသေးစိတ်အချက်အလက်များနှင့် အသွင်အပြင်များကို ပေါင်းထည့်ကာ ရောင်ပြန်ဟပ်မှုများကို ရေးဆွဲသည်။ ဒါတွေအားလုံးဟာ တကယ့်ရုပ်ပုံတွေကို အခြေခံထားပါတယ်” ဟု developer တစ်ဦးက ပြောသည်။

စနစ်သည် လက်တွေ့ကမ္ဘာကို "နားလည်မှု" မရှိသော်လည်း၊ စနစ်သည် အံ့မခန်းရှုခင်းများကို ဖန်တီးပေးသည်။ အဘယ်ကြောင့်ဆိုသော် ဤနေရာတွင် အာရုံကြောကွန်ရက်နှစ်ခု၊ ဂျင်နရေတာနှင့် ခွဲခြားဆက်ဆံမှုတို့ကို အသုံးပြုသောကြောင့်ဖြစ်သည်။ ဂျင်နရေတာသည် ပုံတစ်ခုဖန်တီးပြီး ခွဲခြားဆက်ဆံသူကို ပြသသည်။ သူသည် သန်းပေါင်းများစွာသော ယခင်မြင်ဖူးသော ပုံများကို အခြေခံ၍ လက်တွေ့အကျဆုံး ရွေးချယ်မှုများကို ရွေးချယ်သည်။

ထို့ကြောင့် မီးစက်သည် ရောင်ပြန်ဟပ်သည့်နေရာကို သိသည်။ ကိရိယာသည် အလွန်ပြောင်းလွယ်ပြင်လွယ်ဖြစ်ပြီး ဆက်တင်အများအပြား တပ်ဆင်ထားကြောင်း သတိပြုသင့်သည်။ ထို့ကြောင့် သင်သည် ပန်းချီဆရာတစ်ဦး၏ စတိုင်လ်ကို ပုံဖော်နိုင်သည်၊ သို့မဟုတ် နေထွက်ချိန် သို့မဟုတ် နေဝင်ချိန်၏ အမြန်ထပ်တိုးမှုဖြင့် ကစားနိုင်သည်။

စနစ်သည် တစ်နေရာမှ ပုံများကို ယူရုံမျှမက ၎င်းတို့ကို ပေါင်းထည့်ကာ ရလဒ်ကို ရယူသည်ဟု developer များက ဆိုကြသည်။ မဟုတ်ပါ၊ လက်ခံရရှိသော "ပုံများ" အားလုံးကို ထုတ်ပေးပါသည်။ ဆိုလိုသည်မှာ၊ အာရုံကြောကွန်ရက်သည် တကယ့်အနုပညာရှင်တစ်ဦးကဲ့သို့ “ဖန်တီးသည်” (သို့မဟုတ် ပိုကောင်းသည်)။

ယခုအချိန်အထိ ပရိုဂရမ်ကို လွတ်လွတ်လပ်လပ် မရရှိနိုင်သေးသော်လည်း မကြာမီတွင် ၎င်းကို အလုပ်တွင် စမ်းသပ်နိုင်မည်ဖြစ်သည်။ ကယ်လီဖိုးနီးယားတွင် လက်ရှိလုပ်ဆောင်နေသည့် GPU နည်းပညာညီလာခံ 2019 တွင် ၎င်းကို လုပ်ဆောင်နိုင်သည်။ ပြပွဲကိုလာရောက်လည်ပတ်နိုင်သူကံကောင်းသူများသည် GauGAN ကိုစမ်းသပ်ပြီးဖြစ်သည်။

Neural Network များသည် ဖန်တီးမှုလုပ်ငန်းစဉ်တွင် ပါဝင်ရန် သင်ကြားပေးခဲ့သည်မှာ ကြာပါပြီ။ ဥပမာ မနှစ်က လည်း ရှိတယ်။ 3D မော်ဒယ်များ ဖန်တီးနိုင်သည်။. ထို့အပြင်၊ DeepMind မှ developer များသည် ပုံများ၊ ဓာတ်ပုံများနှင့် ပုံကြမ်းများမှ သုံးဖက်မြင်နေရာများနှင့် အရာဝတ္ထုများကို ပြန်လည်ရယူရန် အာရုံကြောကွန်ရက်ကို လေ့ကျင့်သင်ကြားပေးခဲ့သည်။ ရိုးရှင်းသောပုံသဏ္ဍာန်ကို ပြန်လည်ဖန်တီးရန်အတွက်၊ အာရုံကြောကွန်ရက်သည် ရုပ်ပုံတစ်ပုံလိုအပ်သည်၊ ပိုမိုရှုပ်ထွေးသောအရာဝတ္ထုများကိုဖန်တီးရန်အတွက် "လေ့ကျင့်ရေး" အတွက် ပုံငါးပုံလိုအပ်သည်။

GauGAN အတွက်၊ ဤကိရိယာသည် ထိုက်တန်သော စီးပွားဖြစ်အသုံးချပလီကေးရှင်းတစ်ခုကို ရှင်းရှင်းလင်းလင်းတွေ့နိုင်လိမ့်မည် - စီးပွားရေးနှင့် သိပ္ပံနယ်ပယ်များစွာတွင် ထိုသို့သောဝန်ဆောင်မှုများအတွက် လိုအပ်ပါသည်။

source: www.habr.com