【技术实现步骤摘要】
利用表示不同种类像素的映射创建图像要求优先权本申请要求2017年11月15日提交的标题为“利用条件GAN的高分辨率图像合成与语义操纵(High-ResolutionImageSynthesisandSemanticManipulationwithConditionalGANs)”的美国临时申请No.62/586,743的权益,其全部内容通过引用并入本文。
本专利技术涉及图像渲染,并且更具体地,涉及利用语义表示来渲染图像。
技术介绍
使用标准图形技术渲染照片般逼真的图像可能是一个复杂的过程,因为几何形状、材料和光传输是明确模拟的。此外,构建和编辑虚拟环境既昂贵又耗时,因为虚拟世界的每个部分都需要明确建模。结果,期望使用从数据学习的模型来渲染照片般逼真的图像,这可以将渲染图形的过程转换为模型学习和推理问题。因此需要解决与现有技术相关的这些问题和/或其他问题。附图说明图1示出了根据实施例的利用表示不同种类像素的映射来创建图像的方法的流程图。图2示出了根据实施例的并行处理单元。图3A示出了根据实施例的图2的并行处理单元内的通用处理集群。图3B示出了根据实施例的图2的并行处理单元的存储器分区单元。图4A示出了根据实施例的图3A的流式多处理器。图4B是根据实施例的使用图2的PPU实现的处理系统的概念图。图4C示出了可以实现各种先前实施例的各种架构和/或功能的示例性系统。图5是根据实施例的由图2的PPU实现的图形处理管线的概念图。图6示出了根据实施例的生成器的示例性网络架构。图7示出了根据实施例的示例性训练编码器架构。图8示出了根据实施例的用于训练粗到精生成器的方法的流 ...
【技术保护点】
1.一种方法,包括:至少部分地基于图像的第一数字表示的语义表示来训练机器学习模型,其中训练所述机器学习模型包括:仅使用所述图像的所述第一数字表示的所述语义表示来训练粗略神经网络,以生成所述图像的粗略数字表示,所述粗略数字表示的分辨率小于所述图像的所述第一数字表示的分辨率;使用所述图像的所述第一数字表示的所述语义表示和所述图像的所述粗略数字表示来训练精细神经网络,以生成所述图像的精细数字表示,所述精细数字表示的分辨率大于所述图像的所述粗略数字表示的分辨率;将所述图像的所述精细数字表示与所述图像的所述第一数字表示进行比较;以及调整与所述粗略神经网络和所述精细神经网络中的一个或两个的一个或更多个节点相关联的权重值,以最小化所述图像的所述第一数字表示与所述图像的所述精细数字表示之间的差异。
【技术特征摘要】
2017.11.15 US 62/586,743;2018.11.13 US 16/188,9201.一种方法,包括:至少部分地基于图像的第一数字表示的语义表示来训练机器学习模型,其中训练所述机器学习模型包括:仅使用所述图像的所述第一数字表示的所述语义表示来训练粗略神经网络,以生成所述图像的粗略数字表示,所述粗略数字表示的分辨率小于所述图像的所述第一数字表示的分辨率;使用所述图像的所述第一数字表示的所述语义表示和所述图像的所述粗略数字表示来训练精细神经网络,以生成所述图像的精细数字表示,所述精细数字表示的分辨率大于所述图像的所述粗略数字表示的分辨率;将所述图像的所述精细数字表示与所述图像的所述第一数字表示进行比较;以及调整与所述粗略神经网络和所述精细神经网络中的一个或两个的一个或更多个节点相关联的权重值,以最小化所述图像的所述第一数字表示与所述图像的所述精细数字表示之间的差异。2.如权利要求1所述的方法,其中,所述图像的所述第一数字表示的所述语义表示包括所述图像的所述第一数字表示的语义标签映射。3.如权利要求1所述的方法,其中,所述图像的所述第一数字表示的所述语义表示包括所述图像的所述第一数字表示的边缘映射。4.如权利要求1所述的方法,其中,所述图像的所述第一数字表示的所述语义表示包括所述图像的所述第一数字表示的关系映射。5.如权利要求1所述的方法,还包括利用所述图像的所述精细数字表示生成所述图像的下采样精细数字表示,所述下采样精细数字表示的分辨率小于所述图像的所述精细数字表示的分辨率。6.如权利要求5所述的方法,还包括利用所述图像的所述第一数字表示生成所述图像的下采样第一数字表示,所述下采样第一数字表示的分辨率小于所述图像的所述第一数字表示的分辨率。7.如权利要求6所述的方法,还包括将所述图像的所述下采样精细数字表示与所述图像的所述下采样第一数字表示进行比较。8.如权利要求7所述的方法,还包括调整与所述粗略神经网络和所述精细神经网络中的一个或两个的一个或更多个节点相关联的权重值,以最小化所述图像的所述下采样精细数字表示与所述图像的所述下采样第一数字表示之间的差异。9.如权利要求1所述的方法,还包括:利用所述图像的所述精细数字表示生成所述图像的多个下采样精细数字表示,所述下采样精细数字表示的分辨率小于所述图像的所述精细数字表示的分辨率;利用所述图像的所述第一数字表示生成所述图像的多个下采样第一数字表示,所述下采样第一数字表示的分辨率小于图像的所述第一数字表示的分辨率;由多个神经网络将所述图像的所述精细数字表示和所述图像的所述下采样精细数字表示与所述图像的所述第一数字表示和所述图像的所述下采样第一数字表示进行比较,其中所述多个神经网络中的每一个神经网络以不同于其他神经网络的分辨率操作;以及调整与所述粗略神经网络和所述精细神经网络中的一个或两个的一个或更多个节点相关联的权重值,以最小化所述图像的所述精细数字表示和所述图像的所述下采样精细数字表示与所述图像的所述第一数字表示和所述图像的所述下采样第一数字表示之间的差异。10.如权利要求1所述的方法,还包括利用所述图像的所述精细数...
【专利技术属性】
技术研发人员:王鼎鈞,刘洺堉,B·C·卡坦扎罗,J·考茨,A·J·陶,
申请(专利权)人:辉达公司,
类型:发明
国别省市:美国,US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。