Nvidia GauGAN采用粗略的草图并创建照片般逼真的风景图像

Nvidia GauGAN采用粗略的草图并创建“照片般逼真”的风景图像

使用分割图和新的深度学习模型，GauGAN可以创建相当逼真的图像。

Nvidia的研究人员创建了一种新的生成对抗网络模型，用于从粗略的草图或分割图中生成逼真的景观图像，虽然它并不完美，但它肯定是允许人们创建自己的合成场景的一步。

也可以看看

Pure Storage，Nvidia，思科推出AI超大规模系统

Nvidia推出Nano以获得最新的Jetson版本

GauGAN创造了“照片般逼真”的风景图像

GPU巨头展开基于RTX和T4的硬件

GauGAN模型最初被吹捧为帮助城市规划者，游戏设计师和建筑师快速创建合成图像的工具。该模型接受了超过一百万张图像的训练，其中包括来自Flickr的41,000张图像，研究人员表示它充当了“智能画笔”，因为它填充了草图的细节。

Nvidia应用深度学习研究副总裁Bryan Catanzaro说：“这就像是一张描绘树木在哪里，太阳在哪里，天空在哪里的着色书图片”。“然后神经网络能够根据它对真实图像的了解，填充所有的细节和纹理，以及反射，阴影和颜色。”

在周一举行的GTC会议上向记者展示时，研究人员展示了GauGAN的实际应用，以及它如何实时渲染图像，在不同季节之间切换样式，以及水如何反射和与景观相互作用。

用于该任务的机器包含最近发布的Titan RTX，但是Catanzaro表示，如果图像的渲染限制为每几秒一次，或者按需创建，则可以在CPU上运行相同的应用程序。

必读

Nvidia训练无辜的AI清除照片上的水印(CNET)

新的NVIDIA芯片可以在更多行业中实现AI和机器人技术(TechRepublic)

“这项技术不仅可以将其他图像拼接在一起，还可以切割和粘贴纹理，”Catanzaro说。“它实际上是在合成新的图像，非常类似于艺术家的绘画方式。”

在6月份CVPR会议上作为口头报告提交的一份研究论文中，研究人员表示，通过Mechanical Turk进行的人体测试显示其图像优于CRN，pix2pixHD和SIMS算法生成的图像，尽管在城市景观类别中，它几乎没有击败后两种技术。与其他算法相比，Catanzaro表示GauGAN具有更好的词汇量，并且需要更少的参数。

在2018年底，包括卡坦扎罗在内的一组研究人员发表了一篇关于预测未来合成城市场景视频帧的论文。

Nvidia还使用生成性对抗网络来创建人工脑部MRI图像，以帮助克服缺乏脑部图像来训练网络。

多样性对于训练神经网络的成功至关重要，但医学成像数据通常是不平衡的，“Nvidia的高级研究科学家Hoo Chang Shin在9月向ZDNet解释说。”异常病例比异常病例多得多，当出现异常时病例是我们关心的，试图检测和诊断。“

披露：Chris Duckett作为Nvidia的嘉宾前往GTC。

相关覆盖范围

Nvidia收购Mellanox引发了英特尔竞争，数据中心的雄心壮志

Nvidia以69亿美元收购Mellanox，凸显了该公司打赌下一代数据中心架构将围绕数据和人工智能展开。

戴尔EMC，Nvidia提供AI参考架构

人工智能正在成为企业的关键工作负载，存储巨头正在推出构建模块以构建机器学习和人工智能工作负载。

中国的人工智能科学家教授神经网络来训练自己

中国中山大学的研究人员在中国初创公司SenseTime的帮助下，通过增加一些自我监督的训练，改进了他们自己试图通过计算机辨别人体姿势的方法。这项工作建议继续努力限制对人工标签的依赖和人工智能中的“基本事实”。

CES 2019：Nvidia的新款GeForce RTX 2060售价仅为349美元

在CES前夕，Nvidia还宣布，来自各主要OEM的40款新笔记本电脑将采用RTX GPU。

NVIDIA新的图灵架构可以让视频制作人员的生活更轻松

(TechRepublic)

新的芯片组具有实时光线追踪功能，可以减少创意专业人员的工作时间。

备忘单：TensorFlow，一个用于机器学习的开源软件库

(TechRepublic)

TensorFlow是Google开发的一个开源软件库，用于数据流图的数值计算。此TensorFlow指南涵盖了库的重要性，如何使用它等等。

为什么很快就可以轻松获得NVIDIA GPU

(TechRepublic)

由于NVIDIA低于华尔街目标，加密货币需求正在消退。