Softwaretraining und Content Creation

GauGAN

NVIDIA hat einige spannende Forschungsprojekte. Darunter GauGAN das eine relativ simple Eingabe analysiert und mit Hilfe von Generative Adversarial Networks eine (noch nicht ganz) fotorealistische Szene generiert.

Diese "Tool" ist ein Blick in die Zukunft. Designer werden sich Hintergründe für Szenerien generieren die genau ihren Anforderungen entsprechen.

Wikipedia

Generative Adversarial Networks

Generative Adversarial Networks bestehen aus zwei künstlichen neuronalen Netzwerken, die ein Nullsummenspiel durchführen. Eines davon erstellt Kandidaten (der Generator), das zweite neuronale Netzwerk bewertet die Kandidaten (der Diskriminator).[1] Typischerweise bildet der Generator von einem Vektor aus latente Variablen auf den gewünschten Ergebnisraum ab. Das Ziel des Generators ist es zu lernen, Ergebnisse nach einer bestimmten Verteilung zu erzeugen. Der Diskriminator wird hingegen darauf trainiert, die Ergebnisse des Generators von den Daten aus der echten, vorgegebenen Verteilung zu unterscheiden. Die Zielfunktion des Generators besteht dann darin, Ergebnisse zu erzeugen, die der Diskriminator nicht unterscheiden kann. Dadurch soll sich die erzeugte Verteilung nach und nach der echten Verteilung angleichen.