NVIDIA کمپنی مشین لرننگ سسٹم کے سورس کوڈز (GauGAN)، جو آپ کو کھردرے خاکوں کی بنیاد پر حقیقت پسندانہ مناظر کی ترکیب کرنے کی اجازت دیتا ہے، نیز اس منصوبے سے وابستہ افراد . نظام تھا۔ مارچ میں جی ٹی سی 2019 کانفرنس میں، لیکن کوڈ کل ہی شائع ہوا تھا۔ ترقیات ملکیتی لائسنس کے تحت (Creative Commons Attribution-Non Commercial-ShareAlike 4.0)، صرف غیر تجارتی استعمال کی اجازت دیتا ہے۔ کوڈ فریم ورک کا استعمال کرتے ہوئے ازگر میں لکھا گیا ہے۔ .
خاکے ایک منقسم نقشے کی شکل میں بنائے گئے ہیں جو منظر پر تقریباً اشیاء کی جگہ کا تعین کرتا ہے۔ رنگین نشانات کا استعمال کرتے ہوئے پیدا کردہ اشیاء کی نوعیت کی وضاحت کی گئی ہے۔ مثال کے طور پر، نیلا رنگ آسمان میں، نیلا پانی میں، گہرا سبز درختوں میں، ہلکا سبز گھاس میں، ہلکا بھورا پتھروں میں، گہرا بھورا پہاڑوں میں، سرمئی برف میں، ایک بھوری لکیر سڑک میں تبدیل ہو جاتی ہے، اور ایک نیلا دریا میں لائن مزید برآں، حوالہ جاتی تصویروں کے انتخاب کی بنیاد پر، مجموعی ساخت کے انداز اور دن کے وقت کا تعین کیا جاتا ہے۔ مجازی دنیا بنانے کے لیے مجوزہ ٹول ماہرین کی ایک وسیع رینج کے لیے مفید ہو سکتا ہے، معماروں اور شہری منصوبہ سازوں سے لے کر گیم ڈویلپرز اور لینڈ سکیپ ڈیزائنرز تک۔
اشیاء کو ایک جنریٹیو ایڈورسریل نیورل نیٹ ورک کے ذریعے ترکیب کیا جاتا ہے ()، جو کئی ملین تصویروں پر پہلے سے تربیت یافتہ ماڈل سے تفصیلات ادھار لے کر، اسکیمیٹک سیگمنٹڈ نقشے کی بنیاد پر حقیقت پسندانہ تصاویر بناتا ہے۔ پہلے سے تیار کردہ تصویری ترکیب کے نظام کے برعکس، مجوزہ طریقہ انکولی مقامی تبدیلی کے استعمال پر مبنی ہے جس کے بعد مشین لرننگ کی بنیاد پر تبدیلی آتی ہے۔ سیمنٹک مارک اپ کے بجائے ایک منقسم نقشے پر کارروائی کرنے سے آپ کو عین مطابق نتائج حاصل کرنے اور انداز کو کنٹرول کرنے کی اجازت ملتی ہے۔
حقیقت پسندی کو حاصل کرنے کے لیے، دو عصبی نیٹ ورکس ایک دوسرے سے مقابلہ کرتے ہیں: ایک جنریٹر اور ایک امتیاز کرنے والا۔ جنریٹر حقیقی تصویروں کے مرکب عناصر کی بنیاد پر تصاویر تیار کرتا ہے، اور امتیاز کرنے والا حقیقی تصویروں سے ممکنہ انحراف کی نشاندہی کرتا ہے۔ نتیجے کے طور پر، فیڈ بیک بنتا ہے، جس کی بنیاد پر جنریٹر تیزی سے بہتر نمونے مرتب کرنا شروع کر دیتا ہے جب تک کہ امتیاز کرنے والا ان کو حقیقی نمونوں سے ممتاز کرنا بند نہ کر دے۔
ماخذ: opennet.ru