NVIDIA ਇੱਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਸਿਸਟਮ ਲਈ ਕੋਡ ਖੋਲ੍ਹਦਾ ਹੈ ਜੋ ਸਕੈਚਾਂ ਤੋਂ ਲੈਂਡਸਕੇਪਾਂ ਦਾ ਸੰਸਲੇਸ਼ਣ ਕਰਦਾ ਹੈ

Компания NVIDIA опубликовала исходные тексты системы машинного обучения SPADE (GauGAN), позволяющей синтезировать реалистичные пейзажи на основе грубых набросков, а также связанные с проектом нетренированные модели. Система была продемонстрирована в марте на конференции GTC 2019, но код был опубликован только вчера. Наработки открыты под свободной лицензией CC BY-NC-SA 4.0 (Creative Commons Attribution-NonCommercial-ShareAlike 4.0), допускающей использование только в некоммерческих целях. Код написан на языке Python с применением фреймворка PyTorch.

Наброски оформляются в виде сегментированной карты, определяющей размещение примерных объектов на сцене. Характер генерируемых объектов задаётся при помощи цветовых меток. Например, голубая заливка преобразуется в небо, синяя в воду, тёмно зелёная в деревья, светло зелёная в траву, светло коричневая в камни, тёмно коричневая в горы, серая в снег, коричневая линия преобразуется в дорогу, а синяя линия в реку. Дополнительно на основе выбора эталонных изображений определяется общий стиль композиции и время суток. Предлагаемый инструмент для создания виртуальных миров может оказаться полезным широкому кругу специалистов, от архитекторов и планировщиков городской среды до разработчиков игр и ландшафтных дизайнеров.

Объекты синтезируются генеративно-состязательной нейронной сетью (GAN), которая на основе схематичной сегментированной карты создаёт реалистичные изображения, заимствуя детали из модели, предварительно обученной на нескольких миллионах фотоснимков. В отличие от ранее развиваемых систем синтеза изображений предложенный метод основан на применении адаптивного пространственного преобразования с последующей трансформацией на основе машинного обучения. Обработка сегментированной карты вместо семантической разметки позволяет добиться точного соответствия результата и контролировать стиль.

ਯਥਾਰਥਵਾਦ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ, ਦੋ ਨਿਊਰਲ ਨੈਟਵਰਕ ਇੱਕ ਦੂਜੇ ਨਾਲ ਮੁਕਾਬਲਾ ਕਰਦੇ ਹਨ: ਇੱਕ ਜਨਰੇਟਰ ਅਤੇ ਇੱਕ ਵਿਤਕਰਾ. ਜਨਰੇਟਰ ਅਸਲ ਤਸਵੀਰਾਂ ਦੇ ਮਿਸ਼ਰਣ ਤੱਤਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਚਿੱਤਰ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਅਤੇ ਵਿਤਕਰਾ ਕਰਨ ਵਾਲਾ ਅਸਲ ਚਿੱਤਰਾਂ ਤੋਂ ਸੰਭਾਵਿਤ ਭਟਕਣਾਂ ਦੀ ਪਛਾਣ ਕਰਦਾ ਹੈ। ਨਤੀਜੇ ਵਜੋਂ, ਫੀਡਬੈਕ ਦਾ ਗਠਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਦੇ ਆਧਾਰ 'ਤੇ ਜਨਰੇਟਰ ਵੱਧ ਤੋਂ ਵੱਧ ਬਿਹਤਰ ਨਮੂਨੇ ਬਣਾਉਣਾ ਸ਼ੁਰੂ ਕਰ ਦਿੰਦਾ ਹੈ ਜਦੋਂ ਤੱਕ ਵਿਤਕਰਾ ਕਰਨ ਵਾਲਾ ਉਨ੍ਹਾਂ ਨੂੰ ਅਸਲ ਨਮੂਨੇ ਤੋਂ ਵੱਖ ਕਰਨਾ ਬੰਦ ਨਹੀਂ ਕਰ ਦਿੰਦਾ।

ਸਰੋਤ: opennet.ru