Nvidia न्यूरल नेटवर्कले सरल स्केचहरूलाई सुन्दर परिदृश्यहरूमा परिणत गर्दछ

धुम्रपान गर्नेको झरना र स्वस्थ व्यक्तिको झरना

हामी सबैलाई उल्लु कोर्न कसरी थाहा छ। पहिले तपाईंले ओवल, त्यसपछि अर्को सर्कल, र त्यसपछि - यो एक भव्य उल्लू बाहिर जान्छ कोर्न आवश्यक छ। निस्सन्देह, यो मजाक हो, र धेरै पुरानो हो, तर Nvidia ईन्जिनियरहरूले कल्पनालाई सत्य बनाउन प्रयास गरे।

नयाँ विकास, जसलाई GauGAN भनिन्छ, धेरै साधारण स्केचहरू (वास्तवमा सरल - सर्कलहरू, रेखाहरू र सबै) बाट भव्य परिदृश्यहरू सिर्जना गर्दछ। निस्सन्देह, यो विकास आधुनिक प्रविधिहरूमा आधारित छ - अर्थात्, जेनेरेटिभ एडभार्सरियल न्यूरल नेटवर्कहरू।

GauGAN ले तपाईंलाई रंगीन भर्चुअल संसारहरू सिर्जना गर्न अनुमति दिन्छ - र रमाईलोको लागि मात्र होइन, कामको लागि पनि। त्यसोभए, आर्किटेक्टहरू, ल्यान्डस्केप डिजाइनरहरू, खेल विकासकर्ताहरू - तिनीहरू सबैले केहि उपयोगी सिक्न सक्छन्। आर्टिफिसियल इन्टेलिजेन्सले तुरुन्तै "बुझ्छ" एक व्यक्तिले के चाहन्छ र मूल विचारलाई ठूलो मात्रामा विस्तृत रूपमा पूरक बनाउँछ।

"डिजाइन विकासको सन्दर्भमा मंथन गर्न GauGAN को मद्दतले धेरै सजिलो छ, किनकि स्मार्ट ब्रशले गुणस्तरीय छविहरू थपेर प्रारम्भिक स्केचलाई पूरक बनाउन सक्छ," एक GauGAN विकासकर्ताले भने।

यस उपकरणका प्रयोगकर्ताहरूले मौलिक विचार परिवर्तन गर्न, परिदृश्य वा अन्य छवि परिमार्जन गर्न, आकाश, बालुवा, समुद्र, आदि थप्न सक्छन्। तपाईंको हृदयले चाहेको सबै कुरा, र थप गर्न केही सेकेन्ड मात्र लाग्छ।

न्यूरल नेटवर्कलाई लाखौं छविहरूको डाटाबेस प्रयोग गरेर तालिम दिइएको थियो। यसका लागि धन्यवाद, प्रणालीले एक व्यक्ति के चाहन्छ र कसरी प्राप्त गर्न सक्छ भनेर बुझ्न सक्छ। यसबाहेक, तंत्रिका सञ्जाल सबै भन्दा सानो विवरण बिर्सनु हुँदैन। त्यसोभए, यदि तपाईंले योजनाबद्ध रूपमा पोखरी र यसको छेउमा केही रूखहरू कोर्नु भयो भने, त्यसपछि परिदृश्य पुनरुत्थान भएपछि, सबै नजिकका वस्तुहरू पोखरीको पानीको ऐनामा प्रतिबिम्बित हुनेछन्।

तपाईले प्रणालीलाई देख्न सक्ने सतह कस्तो हुनुपर्छ भनेर बताउन सक्नुहुन्छ - यसलाई घाँस, हिउँ, पानी वा बालुवाले ढाक्न सकिन्छ। यो सबै एक सेकेन्डमा रूपान्तरण गर्न सकिन्छ, ताकि हिउँ बालुवा बन्छ र हिउँले ढाकिएको भूमिको सट्टा, कलाकारले मरुभूमि परिदृश्य पाउँछ।

"यो रूख कहाँ राख्ने, सूर्य कहाँ छ, र आकाश कहाँ छ भनेर बताउने रंगीन पुस्तक जस्तै हो। त्यसपछि, प्रारम्भिक कार्य पछि, तंत्रिका नेटवर्कले तस्विरलाई एनिमेसन गर्दछ, आवश्यक विवरणहरू र बनावटहरू थप्छ, प्रतिबिम्बहरू कोर्छ। यो सबै वास्तविक छविहरूमा आधारित छ, "एक विकासकर्ता भन्छन्।

यद्यपि प्रणालीमा वास्तविक संसारको "बुझाइ" को कमी छ, प्रणालीले शानदार परिदृश्यहरू सिर्जना गर्दछ। यो किनभने दुई न्यूरल नेटवर्कहरू यहाँ प्रयोग गरिन्छ, एक जेनेरेटर र एक भेदभाव। जेनेरेटरले छवि सिर्जना गर्छ र भेदभाव गर्नेलाई देखाउँछ। उनी, पहिले देखिएका लाखौं छविहरूमा आधारित, सबैभन्दा यथार्थवादी विकल्पहरू छनौट गर्छन्।

यसैले जनरेटरलाई "जान्दछ" जहाँ प्रतिबिम्ब हुनुपर्छ। यो ध्यान दिन लायक छ कि उपकरण धेरै लचिलो छ र सेटिङहरूको ठूलो संख्या संग सुसज्जित छ। त्यसोभए, यसको साथ, तपाइँ पेन्ट गर्न सक्नुहुन्छ, एक विशेष कलाकारको शैलीमा समायोजन गर्न सक्नुहुन्छ, वा केवल सूर्योदय वा सूर्यास्तको द्रुत थपको साथ वरिपरि खेल्न सक्नुहुन्छ।

विकासकर्ताहरूले दाबी गर्छन् कि प्रणालीले कतैबाट छविहरू मात्र लिँदैन, तिनीहरूलाई सँगै थप्नुहोस् र परिणाम प्राप्त गर्नुहोस्। होइन, सबै प्राप्त "तस्बिरहरू" उत्पन्न हुन्छन्। त्यो हो, तंत्रिका नेटवर्क एक वास्तविक कलाकार (वा अझ राम्रो) जस्तै "सिर्जना गर्दछ"।

अहिले सम्म, कार्यक्रम स्वतन्त्र रूपमा उपलब्ध छैन, तर चाँडै यो काम मा परीक्षण गर्न सम्भव हुनेछ। यो GPU टेक्नोलोजी सम्मेलन 2019 मा गर्न सकिन्छ, जुन हाल क्यालिफोर्नियामा चलिरहेको छ। प्रदर्शनी हेर्न सक्षम भएका भाग्यशालीहरूले पहिले नै गौगन परीक्षण गर्न सक्छन्।

तंत्रिका नेटवर्कहरू लामो समयदेखि रचनात्मक प्रक्रियामा भाग लिन सिकाइएको छ। उदाहरणका लागि, गत वर्ष, तिनीहरूमध्ये केही थ्रीडी मोडल बनाउन सक्छ। थप रूपमा, DeepMind का विकासकर्ताहरूले रेखाचित्र, फोटोहरू र स्केचहरूबाट त्रि-आयामी ठाउँहरू र वस्तुहरू पुनर्स्थापना गर्न न्यूरल नेटवर्कलाई तालिम दिए। एक साधारण चित्र पुन: सिर्जना गर्न को लागी, तंत्रिका नेटवर्क को लागी एक तस्वीर पर्याप्त छ, अधिक जटिल वस्तुहरु बनाउन को लागी, "प्रशिक्षण" को लागी पाँच चित्रहरु को आवश्यकता छ।

GauGAN को रूपमा, यो उपकरणले स्पष्ट रूपमा एक योग्य व्यावसायिक अनुप्रयोग फेला पार्नेछ - व्यापार र विज्ञानका धेरै क्षेत्रहरूमा त्यस्ता सेवाहरूको आवश्यकता छ।

स्रोत: www.habr.com