Chia sẻ bài báo qua Email MẠNG SÁNG TẠO ĐỐI NGHỊCH VÀ ỨNG DỤNG XÂY DỰNG NHÂN VẬT TRONG THỰC TẠI ẢO
Thông tin bài báo
Ngày nhận bài: 24/08/20 Ngày hoàn thiện: 30/11/20 Ngày đăng: 30/11/20Các tác giả
1. Đỗ Thị Bắc
, Trường Đại học Công nghệ thông tin và Truyền thông – ĐH Thái Nguyên2. Lê Sơn Thái, Trường Đại học Công nghệ thông tin và Truyền thông – ĐH Thái Nguyên
3. Mã Văn Thu, Trường Đại học Công nghệ thông tin và Truyền thông – ĐH Thái Nguyên
4. Đỗ Thị Chi, Trường Đại học Công nghệ thông tin và Truyền thông – ĐH Thái Nguyên
5. Hà Mỹ Trinh, Trường Đại học Công nghệ thông tin và Truyền thông – ĐH Thái Nguyên
Tóm tắt
Bài báo tìm hiểu mạng sáng tạo đối nghịch (GAN) và ứng dụng sinh vật liệu tự động cho các nhân vật dạng con người trong thực tại ảo. Một tập dữ liệu thực của vật liệu do các nhà thiết kế 3D tạo ra được sử dụng để huấn luyện hai thành phần đối nghịch nhau trong mạng nơron là thành phần sinh dữ liệu và phân biệt dữ liệu. Kết quả thực nghiệm cho thấy mạng GAN cho phép sinh vật liệu tự động cho mô hình 3D. Vật liệu do GAN sinh ra đảm bảo các yêu cầu về mặt kỹ thuật khi trải lưới và hình ảnh để sử dụng cho mô hình nhân vật 3D. Đây là hướng nghiên cứu, ứng dụng trí tuệ nhân tạo nhiều tiềm năng trong quá trình sản xuất dữ liệu đa phương tiện nói chung và mô hình 3D nói riêng.
Từ khóa
Toàn văn:
PDFTài liệu tham khảo
[1]. I. Goodfellow, J. Pouget-Abadie, M. Mirza, B. Xu, D. Warde-Farley, S. Ozair, A. Courville, and Y. Bengio, “Generative adversarial nets”, Advances in Neural Information Processing Systems, vol. 27, pp. 2672-2680, 2014.
[2]. C. Ledig, L. Theis, F. Husz´lcr, J. Caballero, A. Cunningham, A. Acosta, A. Aitken, A. Tejani, J. Totz, Z. Wang, and W. Shi, “Photo-realistic single image super-resolution using a generative adversarial network”, IEEE Conference on Computer Vision and Pattern Recognition (CVPR) , pp. 105-114, 2017.
[3]. X. Wang, K. Yu, S. Wu, J. Gu, Y. Liu, C. Dong, Y. Qiao, and C. C. Loy, “Esrgan: Enhanced super-resolution generative adversarial networks”, The European Conference on Computer Vision Workshops (ECCVW), Won Region 3 in the PIRM2018-SR Challenge, 2018.
[4].J.-Y. Zhu, T. Park, P. Isola, and A. A. Efros, “Unpaired image-to-image translation using cycle-consistent adversarial networks”, IEEE International Conference on Computer Vision (ICCV), Venice, pp. 2242-2251, 2017.
[5]. T. Zhang, W. Tian, T. Zheng, Z. Li, X. Du, and F. Li, "Realistic Face Image Generation Based on Generative Adversarial Network", 16th International Computer Conference on Wavelet Active Media Technology and Information Processing, Chengdu, China, pp. 303-306, 2019.
[6]. Y. Cui, and W. Wang, "Colorless Video Rendering System via Generative Adversarial Networks", IEEE International Conference on Artificial Intelligence and Computer Applications (ICAICA), Dalian, China, pp. 464-467, 2019.
[7]. K. Gopan, and G. S. Kumar, "Video Super Resolution with Generative Adversarial Network", 2nd International Conference on Trends in Electronics and Informatics (ICOEI), Tirunelveli, pp. 1489-1493, 2018.
[8]. S. Lunz, Y. Li, A. Fitzgibbon, and N. Kushman, “Inverse Graphics GAN: Learning to Generate 3D Shapes from Unstructured 2D Data”, Computer Vision and Pattern Recognition (cs.CV); Machine Learning (cs.LG), pp. 1-11, 2020.
[9]. A. Radford, L. Metz, and S. Chintala, “Unsupervised representation learning with deep convolutional generative adversarial networks”, International Conference on Learning Representations, Soumith Chintala, New York, 2016.
[10]. M. Mirza, and S. Osindero, “Conditional Generative Adversarial Nets”, Simon Osindero, San Francisco, CA 94103, 2014.
[11]. Y. Du, W. Zhang, J. Wang, and H. Wu, "DCGAN Based Data Generation for Process Monitoring", IEEE 8th Data Driven Control and Learning Systems Conference (DDCLS), Dali, China, pp. 410-415, 2019.
[12]. S. T. Le, V. T. Ma, N. D. T. Tran, and T. N. Phung, “Guad mesh optimization in controlling 3d objects applied for Vietnamese sign language performance”, TNU Journal of Science and Technology, vol. 178(02), pp. 91-96, 2018.
Các bài báo tham chiếu
- Hiện tại không có bài báo tham chiếu