என்விடியா ஒரு இயந்திர கற்றல் அமைப்பிற்கான குறியீட்டைத் திறக்கிறது, இது ஓவியங்களிலிருந்து இயற்கைக்காட்சிகளை ஒருங்கிணைக்கிறது.

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.

யதார்த்தத்தை அடைய, இரண்டு நரம்பியல் நெட்வொர்க்குகள் ஒன்றுடன் ஒன்று போட்டியிடுகின்றன: ஒரு ஜெனரேட்டர் மற்றும் ஒரு பாகுபாடு. ஜெனரேட்டர் உண்மையான புகைப்படங்களின் கலவை கூறுகளின் அடிப்படையில் படங்களை உருவாக்குகிறது, மேலும் உண்மையான படங்களிலிருந்து சாத்தியமான விலகல்களை பாரபட்சம் காட்டுகிறது. இதன் விளைவாக, கருத்து உருவாகிறது, அதன் அடிப்படையில் ஜெனரேட்டர் பெருகிய முறையில் சிறந்த மாதிரிகளை உருவாக்கத் தொடங்குகிறது, பாரபட்சம் செய்பவர் அவற்றை உண்மையானவற்றிலிருந்து வேறுபடுத்துவதை நிறுத்தும் வரை.

ஆதாரம்: opennet.ru