Nvidia न्यूरल नेटवर्कले सरल स्केचहरूलाई सुन्दर परिदृश्यहरूमा परिणत गर्दछ

धूम्रपान गर्ने व्यक्तिको झरना र स्वस्थ व्यक्तिको झरना

हामी सबैलाई थाहा छ कि उल्लु कसरी कोर्ने। पहिले, अण्डाकार कोर्नुहोस्, त्यसपछि वृत्त कोर्नुहोस्, र त्यसपछि - ठीक छ, तपाईंसँग एउटा सुन्दर उल्लु छ। पक्कै पनि, यो मजाक हो, र त्यो धेरै पुरानो हो, तर Nvidia इन्जिनियरहरूले कल्पनालाई साकार पार्न सक्दो प्रयास गरेका छन्।

नयाँ विकासGauGAN भनिने प्रणालीले धेरै सरल स्केचहरू (साँच्चै सरल - वृत्तहरू, रेखाहरू, र यति मात्र) बाट आश्चर्यजनक परिदृश्यहरू सिर्जना गर्दछ। अवश्य पनि, यो विकास आधुनिक प्रविधिहरूमा आधारित छ - विशेष गरी, जेनेरेटिभ एडभर्सरियल न्यूरल नेटवर्कहरू।

GauGAN ले जीवन्त भर्चुअल संसारहरू सिर्जना गर्न सक्षम बनाउँछ - मनोरञ्जनको लागि मात्र नभई कामको लागि पनि। आर्किटेक्टहरू, ल्यान्डस्केप डिजाइनरहरू, र खेल विकासकर्ताहरू सबैले यसको क्षमताहरूबाट लाभ उठाउन सक्छन्। कृत्रिम बुद्धिमत्ताले तुरुन्तै व्यक्तिले के चाहन्छ भनेर "बुझ्छ" र विस्तृत विवरणको साथ प्रारम्भिक विचारलाई विस्तार गर्दछ।

"GauGAN को सहयोगमा डिजाइन विकासको लागि ब्रेनस्टर्मिङ धेरै सजिलो छ, किनकि स्मार्ट ब्रसले उच्च-गुणस्तरका छविहरू थपेर प्रारम्भिक स्केचलाई पूरक बनाउन सक्छ," GauGAN विकासकर्ताहरू मध्ये एकले भने।

यस उपकरणका प्रयोगकर्ताहरूले मूल अवधारणा परिवर्तन गर्न, परिदृश्य वा अन्य छवि परिमार्जन गर्न, आकाश, बालुवा, समुद्र, आदि थप्न सक्छन्। उनीहरूको मनले चाहेको कुरा, र थप्न केही सेकेन्ड मात्र लाग्छ।

लाखौं छविहरूको डाटाबेस प्रयोग गरेर तंत्रिका सञ्जाललाई प्रशिक्षित गरिएको थियो। यसले प्रणालीलाई व्यक्तिले के चाहन्छ र यसलाई कसरी प्राप्त गर्ने भनेर बुझ्न अनुमति दिन्छ। यसबाहेक, तंत्रिका सञ्जालले सबैभन्दा सानो विवरणहरू बिर्सँदैन। उदाहरणका लागि, यदि तपाईंले पोखरी र नजिकैका केही रूखहरूको योजना बनाउनुभयो भने, परिदृश्य एनिमेटेड भएपछि, नजिकैका सबै वस्तुहरू पोखरीको पानीमा प्रतिबिम्बित हुनेछन्।

प्रणालीलाई देखिने सतह कस्तो देखिनुपर्छ भनेर भन्न सकिन्छ - यो घाँस, हिउँ, पानी, वा बालुवाले ढाक्न सकिन्छ। यो सबै एक सेकेन्डमा रूपान्तरण गर्न सकिन्छ, ताकि हिउँ बालुवा बन्छ, र हिउँले भरिएको उजाड भूमिको सट्टा, कलाकारले मरुभूमिको परिदृश्य पाउँछ।

"यो एउटा रंगीन पुस्तक जस्तै हो जसले तपाईंलाई रूख कहाँ राख्ने, सूर्य कहाँ छ र आकाश कहाँ छ भनेर बताउँछ। त्यसपछि, प्रारम्भिक कार्य पछि, तंत्रिका नेटवर्कले आवश्यक विवरणहरू र बनावटहरू थप्दै, र प्रतिबिम्बहरू प्रस्तुत गर्दै, तस्वीरलाई जीवन्त बनाउँछ। यो सबै वास्तविक छविहरूमा आधारित छ," एक विकासकर्ताले भने।

प्रणालीलाई वास्तविक संसारको बारेमा थाहा नभए पनि, यसले प्रभावशाली परिदृश्यहरू सिर्जना गर्दछ। यो किनभने यसले दुई तंत्रिका नेटवर्कहरू प्रयोग गर्दछ: एक जेनेरेटर र एक विभेदक। जेनेरेटरले छवि सिर्जना गर्दछ र यसलाई विभेदकलाई देखाउँछ, जसले पहिले देखिएका लाखौं छविहरूको आधारमा, सबैभन्दा यथार्थपरक भेरियन्टहरू चयन गर्दछ।

यसैकारण जेनेरेटरलाई प्रतिबिम्ब कहाँ हुनुपर्छ भनेर "थाहा" हुन्छ। यो उपकरण एकदम लचिलो छ र यसमा सेटिङहरूको विस्तृत दायरा छ भन्ने कुरा ध्यान दिन लायक छ। उदाहरणका लागि, यसलाई एक विशिष्ट कलाकारको शैली अनुरूप चित्रहरू सिर्जना गर्न वा द्रुत रूपमा सूर्योदय वा सूर्यास्त थपेर खेल्न प्रयोग गर्न सकिन्छ।

विकासकर्ताहरूको दाबी छ कि प्रणालीले कतैबाट तस्बिरहरू लिने, तिनीहरूलाई एकसाथ राख्ने र परिणाम उत्पादन गर्ने काम मात्र गर्दैन। होइन, सबै परिणामस्वरूप "तस्बिरहरू" उत्पन्न हुन्छन्। अर्को शब्दमा, तंत्रिका सञ्जालले एक साँचो कलाकार (वा अझ राम्रो) जस्तै "सिर्जना" गर्छ।

यो कार्यक्रम अझै नि:शुल्क रूपमा उपलब्ध छैन, तर तपाईंले चाँडै नै क्यालिफोर्नियामा भइरहेको GPU प्रविधि सम्मेलन २०१९ मा यसलाई प्रयोग गर्न सक्नुहुनेछ। प्रदर्शनीमा भाग लिन पाएका भाग्यशालीहरूले पहिले नै GauGAN परीक्षण गर्न सक्छन्।

स्नायु सञ्जालहरूलाई लामो समयदेखि रचनात्मक प्रक्रियामा भाग लिन सिकाइएको छ। उदाहरणका लागि, गत वर्ष, तिनीहरूमध्ये केही थ्रीडी मोडेलहरू सिर्जना गर्न सक्छयसबाहेक, DeepMind विकासकर्ताहरूले रेखाचित्र, तस्बिर र स्केचहरूबाट त्रि-आयामिक ठाउँहरू र वस्तुहरू पुनर्निर्माण गर्न एक तंत्रिका नेटवर्कलाई तालिम दिए। साधारण आकृति पुन: सिर्जना गर्न, तंत्रिका नेटवर्कलाई केवल एउटा छवि चाहिन्छ, जबकि अधिक जटिल वस्तुहरूलाई "प्रशिक्षण" को लागि पाँच छविहरू चाहिन्छ।

GauGAN को सन्दर्भमा, यो उपकरणले स्पष्ट रूपमा योग्य व्यावसायिक प्रयोग पाउनेछ - व्यवसाय र विज्ञानका धेरै क्षेत्रहरूमा यस्ता सेवाहरूको आवश्यकता पर्दछ।

स्रोत: www.habr.com