0
| 本文作者： AI研习社-译站 | 2018-01-24 15:03 |
▷每周一篇2分钟论文解读视频
翻译/ 曹永胜 校对整理/ 凡江
雷锋网：本期介绍的论文是《Interactive Example-Based Terrain Authoring with Conditioanl Gengerative Adversarial Networks》（用条件约束的GAN，打造基于绘稿的互动式地表编辑），2017亚洲计算机图形与互动技术大会的展出论文。
在电影和游戏中，我们经常能看到特效制作仿真的虚拟王国。如今，在GAN技术的支持下，这些看上去瑰丽奇伟的画面也可以自动生成了。我们只需要画出一些山川、胡海的草图，通过调整神经网络，就能自动生成高分辨率的3D地形模型，而且还能边画边改，就算画得不好，算法也能帮你修补完善。
以上提到过程是通过程序生成来完成的。 我们可以对输出产生直接的影响，而不需要花上几十个小时的时间来完成工作。GAN技术学习如何根据手工绘图来输出地形图像，然后输入设计师所绘制的河流、山脊、山谷等景观草图，算法会自动输出一个高质量的地形模型。
过程中，我们可以一边查看当前的输出，一边优化我们的图纸。这样，我们能够不被技术细节所制约，几秒钟就把想法变成高质量的模型成果。 此外，算法不仅可以灵活处理被擦除的子区域，还可以自动为图像补充空缺。
更妙的是，算法能对绘制结果进行修改，比如让地表生成侵蚀效果，而且计算成本基本为零。打个比方，如果在这片数据上运行一个侵蚀模拟器需花费大约40秒，神经网络则可以在25毫秒内完成。完整的模拟几乎可以在一分钟内完成，神经网络瞬间模拟其结果。
当然技术也存在局限，那就是如果输入太稀疏，可能会出现图像网格失真。
雷锋网提供论文原址：https://hal.archives-ouvertes.fr/hal-01583706/file/tog.pdf
关注雷锋网，雷锋字幕组每周编译系列短视频《 2 分钟论文 》，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。
相关文章：
爱P才会赢，英伟达用GANS弄了个高清人脸合成项目 | 2分钟论文
AlphaZero制胜解读，通用强化学习算法自我对弈 | 2分钟论文
神经网络开始放飞自我！都是因为架构搜索新算法 | 2分钟读论文
输了输了！ DOTA世界冠军被OpenAI完虐 | 2分钟读论文
DeepMind发布《星际争霸 II》深度学习环境 | 2分钟读论文
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
