Нейросеть поможет в создании реалистичных 3D-моделей местности
Канадские исследователи создали нейросеть, которая поможет сделать трехмерные изображения местности в компьютерной графике более реальными. Обучив алгоритм, работающий по принципу порождающих состязательных сетей, на снимках спутников поверхности Земли, сделанных NASA, ученые смогли воссоздать высоту и текстуру реальных местностей. Статья опубликована на сайте arXiv.
С развитием технологий компьютерные игры становятся все лучше, во многом благодаря натуральности используемой графики. Ландшафты, например, могут максимально реально отображать настоящие земные пейзажи, однако для этого чаще всего приходится либо создавать макеты вручную, что затратно, либо использовать различные алгоритмы, большинство из которых способно воссоздавать ограниченное количество «простых» местностей.
Авторы новой работы предложили способ автоматического создания ландшафтных структур на основе реальных изображений различных видов местности при помощи нейросети. Структура этой нейросети основывается на работе порождающих состязательных сетей (generative adversarial network, коротко GAN), которые состоят из двух частей: генератора объектов и дискриминатора, который сравнивает созданный объект с обучающей выборкой и возвращает информацию о том, насколько он ей соответствует.
Для обучения нейросети исследователи использовали сделанные NASA спутниковые снимки разрешением 21600×10800 пикселей, отображающие поле высот и текстурную карту поверхности Земли. Ученые разбили снимки на квадратные сегменты размером 512×512 и использовали их в качестве обучающей выборки, с помощью которой нейросеть научилась воссоздавать поле высот различных местностей, на которые затем автоматически наносила соответствующую текстуру.
Несмотря на то, что работа нейросети далека от идеала (исследователи отмечают, что она не всегда накладывает правильную текстуру), авторы работы надеются, что такая технология в скором времени начнет широко применяться не только в компьютерных играх, но и в других направлениях, использующих трехмерную графику.
О том, как исследователи используют порождающие состязательные сети для манипуляций с изображениями, вы можете прочитать в нашей заметке.
Елизавета Ивтушок
В ходе испытаний она превзошла кардиологов по точности
Управление по контролю качества пищевых продуктов и лекарственных средств США (FDA) одобрило к применению первую систему на основе алгоритмов глубокого машинного обучения для диагностики структурных нарушений сердца по данным ЭКГ, говорится в пресс-релизе компании Pathway Labs. Система, разработанная совместно академическим медцентром NewYork-Presbyterian и Колумбийским университетом в Нью-Йорке, получила название EchoNext. Она анализирует стандартные ЭКГ в 12 отведениях и по ним определяет пациентов с высоким риском структурных заболеваний сердца, которым показано проведение эхокардиограммы. Эти заболевания включают сердечную недостаточность на фоне кардиомиопатии, болезни клапанов, легочную гипертензию и выраженную гипертрофию миокарда.