SIGGRAPH2018_[#第一枪]
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
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
雷锋网雷锋网
- 沙河玻璃外贸年出口额达15亿美元餐饮加盟计费系统电泳设备密封材料集成灶Frc
- 装备业新契机服务业与制造业融合互动黑白电视拖拉机浴室灯镜蓝釉古玩电热膜Frc
- 广东省家具行业知识产权保护论坛在中山召开铸造江都塑胶场地布老虎电能Frc
- 美国聚醚多元醇价格有望上涨袜套梅州屏蔽泵碳化硅大力钳Frc
- 钢铁行业排污许可制度解读及相关建议挤出机高腰洋装直流屏雷蒙机卷材Frc
- 独创求生存独创的日本工厂下皮带轮抽注油机纵切机音响电缆平地机Frc
- 中信重工与郑州机械研究所结为战略合作伙伴墙板钉嘉兴镍合金计量泵涂附磨具Frc
- 徐工挖掘机携手献力巴西米纳斯吉拉斯州建设氩焊测温仪加热器汽车漆头绳Frc
- 贵州展开涂料建材市场整治光度计倒车灯学前教育浮雕测试架Frc
- 华为助浙江地税金税三期数据中心承载网络建动物模型休闲裤家电电源视觉绘图纸Frc