NVIDIA, manzaraları eskizlerden sentezleyen bir makine öğrenimi sisteminin kodunu açıyor

NVIDIA Şirketi yayınlanan makine öğrenimi sistemi kaynak kodları KILIÇLAR (GauGAN), kaba eskizlerin yanı sıra projeyle ilişkili gerçekçi manzaraları sentezlemenize olanak tanır eğitimli modeller. Sistem şuydu: gösterdi Mart ayında GTC 2019 konferansında kod ancak dün yayınlandı. Gelişmeler açık özel bir lisans altında CC BY-NC-SA 4.0 (Creative Commons Attribution-NonCommercial-ShareAlike 4.0), yalnızca ticari olmayan kullanıma izin verir. Kod Python'da çerçeve kullanılarak yazılmıştır. PyTorch.

NVIDIA, manzaraları eskizlerden sentezleyen bir makine öğrenimi sisteminin kodunu açıyor

Eskizler, yaklaşık nesnelerin sahneye yerleştirilmesini belirleyen bölümlü bir harita biçiminde hazırlanır. Oluşturulan nesnelerin doğası renkli işaretler kullanılarak belirtilir. Örneğin mavi dolgu gökyüzüne, mavi suya, koyu yeşil ağaçlara, açık yeşil çime, açık kahverengi kayalara, koyu kahverengi dağlara, gri kara, kahverengi çizgi yola, mavi dolgu ise yola dönüşüyor. nehir hattı Ayrıca referans görsellerin seçimine bağlı olarak genel kompozisyon stili ve günün saati belirlenir. Sanal dünyalar yaratmaya yönelik önerilen araç, mimarlardan şehir planlamacılarına, oyun geliştiricilerinden peyzaj tasarımcılarına kadar çok çeşitli uzmanlar için faydalı olabilir.

NVIDIA, manzaraları eskizlerden sentezleyen bir makine öğrenimi sisteminin kodunu açıyor

Nesneler üretken bir rakip sinir ağı tarafından sentezlenir (GAN), birkaç milyon fotoğrafla önceden eğitilmiş bir modelden ayrıntıları ödünç alarak şematik bölümlü bir haritaya dayalı gerçekçi görüntüler oluşturan. Daha önce geliştirilen görüntü sentez sistemlerinden farklı olarak önerilen yöntem, uyarlanabilir mekansal dönüşümün ardından makine öğrenimine dayalı dönüşümün kullanımına dayanmaktadır. Anlamsal işaretleme yerine bölümlere ayrılmış bir haritanın işlenmesi, tam eşleşme sonuçları elde etmenize ve stili kontrol etmenize olanak tanır.

NVIDIA, manzaraları eskizlerden sentezleyen bir makine öğrenimi sisteminin kodunu açıyor

Gerçekçiliğe ulaşmak için iki sinir ağı birbiriyle rekabet eder: bir üreteç ve bir ayırıcı. Jeneratör, gerçek fotoğrafların öğelerini karıştırarak görüntüler üretir ve ayırıcı, gerçek görüntülerden olası sapmaları tanımlar. Sonuç olarak, jeneratörün, ayırıcı onları gerçek olanlardan ayırmayı bırakıncaya kadar giderek daha iyi örnekler oluşturmaya başladığı temelinde, geri bildirim oluşur.

Kaynak: opennet.ru

Yorum ekle