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

என்விடியா நிறுவனம் வெளியிடப்பட்ட இயந்திர கற்றல் அமைப்பு மூல குறியீடுகள் SWORDS (GauGAN), இது கரடுமுரடான ஓவியங்கள் மற்றும் திட்டத்துடன் தொடர்புடையவற்றின் அடிப்படையில் யதார்த்தமான நிலப்பரப்புகளை ஒருங்கிணைக்க உங்களை அனுமதிக்கிறது. பயிற்சி பெற்ற மாதிரிகள். அமைப்பு இருந்தது நிரூபித்தார் மார்ச் மாதம் GTC 2019 மாநாட்டில், ஆனால் குறியீடு நேற்றுதான் வெளியிடப்பட்டது. வளர்ச்சிகள் திறந்த தனியுரிம உரிமத்தின் கீழ் CC BY-NC-SA 4.0 (Creative Commons Attribution-NonCommercial-ShareAlike 4.0), வணிகம் அல்லாத பயன்பாட்டிற்கு மட்டுமே அனுமதிக்கிறது. குறியீடு கட்டமைப்பைப் பயன்படுத்தி பைத்தானில் எழுதப்பட்டுள்ளது பைடோர்ச்.

ஓவியங்கள் ஒரு பிரிக்கப்பட்ட வரைபடத்தின் வடிவத்தில் வரையப்பட்டுள்ளன, இது காட்சியில் தோராயமான பொருட்களின் இடத்தை தீர்மானிக்கிறது. உருவாக்கப்பட்ட பொருட்களின் தன்மை வண்ண அடையாளங்களைப் பயன்படுத்தி குறிப்பிடப்படுகிறது. உதாரணமாக, நீல நிற நிரப்பு வானமாகவும், நீலம் தண்ணீராகவும், கரும் பச்சை மரமாகவும், வெளிர் பச்சை புல்லாகவும், வெளிர் பழுப்பு நிறத்தில் பாறைகளாகவும், அடர் பழுப்பு மலைகளாகவும், சாம்பல் நிறத்தில் பனியாகவும், பழுப்பு நிற கோடு சாலையாகவும், நீலம் நதிக்குள் வரி கூடுதலாக, குறிப்பு படங்களின் தேர்வின் அடிப்படையில், ஒட்டுமொத்த கலவை பாணி மற்றும் நாளின் நேரம் தீர்மானிக்கப்படுகிறது. மெய்நிகர் உலகங்களை உருவாக்குவதற்கான முன்மொழியப்பட்ட கருவி, கட்டிடக் கலைஞர்கள் மற்றும் நகர்ப்புற திட்டமிடுபவர்கள் முதல் கேம் டெவலப்பர்கள் மற்றும் இயற்கை வடிவமைப்பாளர்கள் வரை பரந்த அளவிலான நிபுணர்களுக்கு பயனுள்ளதாக இருக்கும்.

பொருள்கள் ஒரு உருவாக்கும் எதிர் நரம்பியல் வலையமைப்பால் ஒருங்கிணைக்கப்படுகின்றன (GAN), பல மில்லியன் புகைப்படங்களில் முன் பயிற்சியளிக்கப்பட்ட மாதிரியிலிருந்து விவரங்களைக் கடனாகப் பெற்று, திட்டவட்டமாகப் பிரிக்கப்பட்ட வரைபடத்தின் அடிப்படையில் யதார்த்தமான படங்களை உருவாக்குகிறது. முன்னர் உருவாக்கப்பட்ட படத் தொகுப்பு அமைப்புகளைப் போலன்றி, முன்மொழியப்பட்ட முறையானது தகவமைப்பு இடஞ்சார்ந்த மாற்றத்தைப் பயன்படுத்துவதை அடிப்படையாகக் கொண்டது, அதைத் தொடர்ந்து இயந்திர கற்றல் அடிப்படையிலான மாற்றம். செமாண்டிக் மார்க்அப்பிற்குப் பதிலாகப் பிரிக்கப்பட்ட வரைபடத்தைச் செயலாக்குவது, சரியான பொருத்த முடிவுகளை அடையவும் பாணியைக் கட்டுப்படுத்தவும் உங்களை அனுமதிக்கிறது.

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