?每周一篇2分鐘論文解讀視頻

翻譯/ 曹永勝    校對整理/ 凡江

雷鋒網：本期介紹的論文是《Interactive Example-Based Terrain Authoring with Conditioanl Gengerative Adversarial Networks》（用條件約束的GAN，打造基于繪稿的互動式地表編輯），2017亞洲計算機圖形與互動技術大會的展出論文。

在電影和游戲中，我們經常能看到特效制作仿真的虛擬王國。如今，在GAN技術的支持下，這些看上去瑰麗奇?zhèn)サ漠嬅嬉部梢宰詣由闪?。我們只需要畫出一些山川、胡海的草圖，通過調整神經網絡，就能自動生成高分辨率的3D地形模型，而且還能邊畫邊改，就算畫得不好，算法也能幫你修補完善。

以上提到過程是通過程序生成來完成的。 我們可以對輸出產生直接的影響，而不需要花上幾十個小時的時間來完成工作。GAN技術學習如何根據手工繪圖來輸出地形圖像，然后輸入設計師所繪制的河流、山脊、山谷等景觀草圖，算法會自動輸出一個高質量的地形模型。

過程中，我們可以一邊查看當前的輸出，一邊優(yōu)化我們的圖紙。這樣，我們能夠不被技術細節(jié)所制約，幾秒鐘就把想法變成高質量的模型成果。 此外，算法不僅可以靈活處理被擦除的子區(qū)域，還可以自動為圖像補充空缺。

更妙的是，算法能對繪制結果進行修改，比如讓地表生成侵蝕效果，而且計算成本基本為零。打個比方，如果在這片數據上運行一個侵蝕模擬器需花費大約40秒，神經網絡則可以在25毫秒內完成。完整的模擬幾乎可以在一分鐘內完成，神經網絡瞬間模擬其結果。

當然技術也存在局限，那就是如果輸入太稀疏，可能會出現(xiàn)圖像網格失真。

雷鋒網提供論文原址：https://hal.archives-ouvertes.fr/hal-01583706/file/tog.pdf

關注雷鋒網，雷鋒字幕組每周編譯系列短視頻《 2 分鐘論文 》，帶大家用碎片時間閱覽前沿技術，了解 AI 領域的最新研究成果。

相關文章：

從冬天回到夏天，英偉達的遷移網絡能派上用場 | 2分鐘論文

愛P才會贏，英偉達用GANS弄了個高清人臉合成項目 | 2分鐘論文

AlphaZero制勝解讀，通用強化學習算法自我對弈 | 2分鐘論文

神經網絡開始放飛自我！都是因為架構搜索新算法 | 2分鐘讀論文

生成式對抗網絡GAN有哪些最新的發(fā)展？ | 2分鐘讀論文

用層進表面預測來重建三維物體 | 2分鐘讀論文

輸了輸了！ DOTA世界冠軍被OpenAI完虐 | 2分鐘讀論文

說到修圖這件事，你還真是比不上AI | 2分鐘讀論文

DeepMind發(fā)布《星際爭霸 II》深度學習環(huán)境 | 2分鐘讀論文

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。