Maporomoko ya maji ya mvutaji sigara na maporomoko ya maji ya mtu mwenye afya
Sisi sote tunajua jinsi ya kuteka bundi. Kwanza unahitaji kuteka mviringo, kisha mduara mwingine, na kisha - unapata bundi mzuri. Kwa kweli, hii ni utani, na ya zamani sana, lakini wahandisi wa Nvidia walijaribu kufanya ndoto hiyo iwe kweli.
, ambayo inaitwa GauGAN, huunda mandhari nzuri kutoka kwa michoro rahisi sana (rahisi sana - miduara, mistari na yote). Bila shaka, maendeleo haya yanategemea teknolojia za kisasa - yaani, mitandao ya neural ya generative adversarial.
GauGAN hukuruhusu kuunda ulimwengu wa kupendeza wa kupendeza - na sio kwa kufurahisha tu, bali pia kwa kazi. Kwa hiyo, wasanifu, wabunifu wa mazingira, watengenezaji wa mchezo - wote wanaweza kujifunza kitu muhimu. Akili ya bandia mara moja "huelewa" kile mtu anataka na inakamilisha wazo la asili kwa kiasi kikubwa cha maelezo.
"Kufikiria juu ya ukuzaji wa muundo ni rahisi zaidi kwa usaidizi wa GauGAN, kwani brashi mahiri inaweza kukamilisha mchoro wa awali kwa kuongeza picha za ubora," alisema msanidi mmoja wa GauGAN.
Watumiaji wa chombo hiki wanaweza kubadilisha wazo la awali, kurekebisha mazingira au picha nyingine, kuongeza anga, mchanga, bahari, nk. Kila kitu ambacho moyo wako unatamani, na nyongeza huchukua sekunde chache tu.
Mtandao wa neva ulifunzwa kwa kutumia hifadhidata ya mamilioni ya picha. Shukrani kwa hili, mfumo unaweza kuelewa kile mtu anataka na jinsi ya kufikia kile anachotaka. Zaidi ya hayo, mtandao wa neva hausahau kuhusu maelezo madogo zaidi. Kwa hivyo, ikiwa utachora bwawa na miti karibu nayo, basi baada ya mazingira kufufuliwa, vitu vyote vilivyo karibu vitaonyeshwa kwenye kioo cha maji ya bwawa.
Unaweza kuwaambia mfumo nini uso unaoonekana unapaswa kuwa - unaweza kufunikwa na nyasi, theluji, maji au mchanga. Yote hii inaweza kubadilishwa kwa sekunde, ili theluji iwe mchanga na badala ya jangwa la theluji, msanii anapata mazingira ya jangwa.
βNi kama kitabu cha kupaka rangi kinachosema mahali pa kuweka mti, jua liko wapi, na anga liko wapi. Kisha, baada ya kazi ya awali, mtandao wa neural huhuisha picha, huongeza maelezo muhimu na textures, huchota tafakari. Yote hii inategemea picha halisi, "anasema mmoja wa watengenezaji.
Ingawa mfumo hauna "ufahamu" wa ulimwengu wa kweli, mfumo huunda mandhari ya kuvutia. Hii ni kwa sababu mitandao miwili ya neva inatumika hapa, jenereta na kibaguzi. Jenereta huunda picha na kuionyesha kwa kibaguzi. Yeye, kulingana na mamilioni ya picha zilizoonekana hapo awali, anachagua chaguo za kweli zaidi.
Ndiyo maana jenereta "inajua" ambapo tafakari inapaswa kuwa. Ni muhimu kuzingatia kwamba chombo ni rahisi sana na kina vifaa vingi vya mipangilio. Kwa hiyo, pamoja na hayo, unaweza kuchora, kurekebisha kwa mtindo wa msanii fulani, au tu kucheza karibu na kuongeza haraka ya jua au machweo.
Watengenezaji wanadai kuwa mfumo hauchukui picha kutoka mahali fulani tu, kuziongeza pamoja na kupata matokeo. Hapana, "picha" zote zilizopokelewa zinatolewa. Hiyo ni, mtandao wa neva "huunda" kama msanii halisi (au bora zaidi).
Hadi sasa, programu haipatikani kwa uhuru, lakini hivi karibuni itawezekana kuijaribu katika kazi. Hili linaweza kufanywa katika Kongamano la Teknolojia la GPU 2019, ambalo kwa sasa linaendelea California. Wale walio na bahati ambao waliweza kutembelea maonyesho tayari wanaweza kujaribu GauGAN.
Mitandao ya Neural imefundishwa kwa muda mrefu kushiriki katika mchakato wa ubunifu. Kwa mfano, mwaka jana, baadhi yao . Kwa kuongezea, wasanidi programu kutoka DeepMind walifunza mtandao wa neva ili kurejesha nafasi na vitu vyenye sura tatu kutoka kwa michoro, picha na michoro. Ili kuunda tena takwimu rahisi, picha moja inatosha kwa mtandao wa neural, kuunda vitu ngumu zaidi, picha tano zinahitajika kwa "mafunzo".
Kama ilivyo kwa GauGAN, chombo hiki kitapata matumizi ya kibiashara yanayostahili - maeneo mengi ya biashara na sayansi yanahitaji huduma kama hizo.
Chanzo: mapenzi.com