》》》源碼&論文pdf位於文末》》》
Source: Eric Guérin et al. SiggraphAsia 2017
在3D遊戲的製作過程中,生成逼真的地形是不可缺少的一環
尤其在近幾年,隨著開放世界沙盒遊戲成為主流
各大廠商的遊戲大作需要各種精美的地形來填充廣袤的遊戲世界
以往,要做到這一點,遊戲開發公司需要專門的人員從事地形生成工作
他們往往需要使用各種複雜的隨機算法,並配合美工進行細節的設計
最終花費幾十個小時才能完成任務
而現在,有了條件GAN技術,這項工作或許只需設計師在繪圖板上寥寥數筆就能完成!
相關源碼附於文末
甚至,如下圖:
可見,僅輸入幾個簡單筆畫,
程序就自動生成了媲美遊戲大作的三維島嶼地形
這究竟是如何實現的?
今天就讓筆者為大家介紹Eric Guérin 等人的工作:
基於條件GAN的三維地形生成
原理
- 訓練階段
在最開始,我們要訓練一個判別器,讓它學習地形圖與草圖之間的對應關係
然後,我們會藉助這個生成器構造一個生成式對抗網絡(GAN),
用它來訓練一個能夠依據草圖生成地形圖的生成器
*條件GAN簡明解釋:
傳統的GAN接受的是噪聲輸入,而此處的模型接受的是草圖輸入且生成結果需要與輸入有對應關係,故被成為條件GAN)
- 生成階段
生成階段流程圖:
如圖,在真正使用這個網絡時,
我們直接採用經過訓練的生成器的輸出
以此得到一個較為詳細的2維地形圖
最後經過一些調優處理,包括:
- 地形腐蝕效果合成器
- 高度增強合成器
輸出一個精緻的三維的地形圖:
真是巧奪天工的成果
↓↓↓附件領取請看這裡↓↓↓
請先點擊關注;然後私信發送“terrain”
即可輕鬆領取本篇論文pdf文件及相關程序源碼
相關乾貨:
- 無懼馬賽克,用AI在1s內提升圖像8x分辨率!詳見
- 藉助WiFi信號,AI竟擁有了透視的能力!詳見
- 想要用Python輕鬆可視化任何函數嗎?詳見
- 想要深入瞭解機器學習領域中5大最本質、最關鍵的算法嗎?詳見
機器學習乾貨君致力於原創易於理解的技術原理與細節文章
I Study Hard,
So YOU Don't Have To !
歡迎大家關注: )
閱讀更多 機器學習乾貨君 的文章