前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >视频 | 深大推出新算法: GAN 非平稳纹理合成

视频 | 深大推出新算法: GAN 非平稳纹理合成

作者头像
AI科技评论
发布2018-07-27 11:07:57
4580
发布2018-07-27 11:07:57
举报
文章被收录于专栏:AI科技评论

由计算机图形学和AI相结合的领域称为纹理合成,周期性纹理合成比较简单,但是具有结构的纹理合成相当复杂,这篇论文的卖点在于,可以高效地同时把图像的内容和对称信息考虑进来。

AI科技评论按:这里是,雷锋字幕组编译的Two minutes paper专栏,每周带大家用碎片时间阅览前沿技术,了解AI领域的最新研究成果。

原标题: AI-Based Large-Scale Texture Synthesis - Two Minute Papers #252

翻译 | 吴晓曼 整理 | 凡江

视频内容

当一个艺术工作者在数字媒体创作中,比如要给一个电影或者游戏创造一个虚拟世界,或者在做平面设计时,他们经常会需要大量的纹理。例如,混凝土墙,树叶,布料都是我们现实世界中熟知的材料。

有时候获取纹理的过程很简单,只需购买一个纹理包然后使用即可。但是经常会遇到的问题是——当我们想要使用混凝土的纹路铺满整条路时,却只有整条路纹路中的一小部分,这种情况下,最简单快捷的方法就是不断将这小块纹路复制粘贴,这样生成的纹路重复性高并且有明显接缝。

那么基于 AI 的技术,怎么使用小块纹路生成自然而且看不出拼接的大面积纹路呢?

这一由计算机图形学和AI相结合的领域称为纹理合成,周期性纹理合成比较简单,但是具有结构的纹理合成相当复杂,这篇论文的卖点在于,可以高效地同时把图像的内容和对称信息考虑进来。例如,它在合成木头的纹理的时候,知道要将纹理的同心性考虑进来,也可以适应水纹的规律性然后生成一个漂亮的高分辨率的结果。

这是基于神经网路的技术,所以首要问题是——训练数据应该是什么样的?

我们取一个高分辨率图像的数据集,切取其中一小部分,并假设我们不能获取完整图像,然后使用神经网络来对这切下来的小块图像进行扩展,这听起来有点傻,那么这样取一小部分进行扩展有什么用呢?这很有用,因为这样使用神经网络后得到的结果,就可以和原始图像进行对比,然后改进神经网络。注意这个方法是生成对抗网络,就是有两种神经网络互相对抗,生成网络是扩展小块纹理的生成器,鉴别器网络负责检查和判别纹理的真实性。时间越长,生成网络在纹理生成上学得越好,鉴别器网络也变得更善于区分生成纹理和真实纹理,这两种网络的对抗就生成了相当高质量的纹理,对比你会发现,使用这种新技术得到的结果相当好。

视频原址:https://www.youtube.com/watch?v=KL6U6iasUxs

论文原址:http://vcc.szu.edu.cn/research/2018/TexSyn

Github:https://github.com/jessemelpolio/non-stationary_texture_syn

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-06-18,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 AI科技评论 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档