如果你熟悉“恐怖谷”这个词，你就会知道它指的是人类或机器建造的或呈现出的角色，它们看起来就像真实的人类一样，它们只是有点怪异，给你一种不可思议的、不太舒服的感觉。这是一种对人类心理的厌恶，在观察机器人、3D动画或人体模型时，它们都是相当有说服力的，但却有些不自然。奇怪的是，这是英伟达在设计更强大的图形处理器的过程中所表现出来的一种现象，它已经与游戏开发者们合作了很长一段时间，创造了更多的人类和其他生物的逼真的3D效果图。随着该公司最近在gpu加速机器学习技术方面的努力，它似乎也在以其他方式连接“恐怖谷”，并将其称为“GAN”或“生成的对抗性网络”。

结果是一系列静止的照片，完全是机器生成的，而不是真实的人，但看起来确实是真实的。你也可以在视频中看到这个过程。NVIDIA用两个神经网络来使用这个GAN配置，一个叫生成器，另一个叫鉴别器，它们在一个同行评审过程中相互补充。生成器从低分辨率图像开始，建立在它之上，而鉴别器对结果进行评估，并对提高准确性和真实性提出建议。这是对这一过程的高水平描述，但本质上，这种由gpu加速的机器的神经网络，在被喂食真实的人的照片后，仅仅是在彼此之间弹起，来产生他们自己的、完全独特的人类照片。英伟达(NVIDIA)把名人的数据库放在了机器里，作为训练系统的基础，在一个自我学习的过程中，如何呈现一张逼真的人脸照片。



NVIDIA在最近发表的一篇研究论文中指出，“我们描述了一种新的生成adversarial网络的培训方法。”关键的想法是，从低分辨率的图像开始，逐步增加生成器和鉴别器，并添加新的层次，随着培训的进展，处理更高分辨率的细节。这极大地稳定了培训，使我们能够产生前所未有的质量图像。CelebA图片在10242决议。我们还提出了一种简单的方法来增加生成图像的变化，并在无监督的CIFAR10中达到8.80的记录初始值。此外，我们还描述了一些重要的实现细节，这些细节对于阻止生成器和鉴别器之间的不健康竞争非常重要。最后，我们提出了一种新的评价GAN结果的指标，无论是在图像质量和变化方面。作为额外的贡献，我们构建了一个更高质量的CELEBA数据集。”

“CELEBA”数据集是一组真实的人造名人图片，你会认为你在看真实的人类，尽管他们实际上是机器生成的。您可以考虑到任何数量的应用程序，其中该技术具有很高的价值，无论是视频游戏还是电影和其他类型的内容创建。然而，目前关于图像分辨率和其他异常依然有限制，但至少它是机器学习和机器视觉技术的一个令人印象深刻的演示。所以，这些天来，不可思议的硅谷可能变得不再那么神秘了，因为机器正在学习通过观察、学习和迭代来让事情变得更有生命。



简单的说就是把训练和推理生成纹理按照分辨率分层来一步步训练，最终得到精确和想要得到的纹理，是不是感觉很像GPU的多层纹理贴图

可以预想这个技术成熟之后可以大大降低高清纹理的美工工作量，未来游戏开发将会越来越依赖深度学习

引用:

原帖由 wlx9897 于 2017-11-1 10:11 发表
posted by wap, platform: iPhone
对顽皮狗这样的公司不是什么好消息吧，竞争力要下降了

这个技术仅仅是套工具而已，具体也要看美工的水平

引用:

原帖由 xx88 于 2017-11-1 10:42 发表
posted by wap, platform: Galaxy Note III
再说了，我感觉如果建模和纹理的自动生成成熟了，最大的市场根本不是游戏而是建筑和内装这样的行业

只要牵涉到视觉的行业，这类技术市场和实际需求都很大，包括医疗行业也很需要自动建模和纹理