許多虛擬世界的設計師發(fā)現，要有效地設計出令人信服的復雜紋理或圖案，是一項挑戰。確實(shí)，所謂的“紋理合成”是準確的紋理設計，例如河流中的水波紋，混凝土墻或樹(shù)葉圖案，對于藝術(shù)家來(lái)說(shuō)仍然是一項艱巨的任務(wù)?？梢栽谟螒蚧蛱摂M世界中重新創(chuàng )建“現實(shí)世界”中的大量非平穩紋理，但是現有技術(shù)繁瑣且耗時(shí)。

為了應對這一挑戰，全球計算機科學(xué)家團隊開(kāi)發(fā)了一種獨特的基于人工智能的技術(shù)，該技術(shù)可以訓練網(wǎng)絡(luò )以學(xué)習將小紋理擴展為大紋理。研究人員的數據驅動(dòng)方法利用稱(chēng)為生成對抗網(wǎng)絡(luò )(GAN)的AI技術(shù)來(lái)訓練計算機，以將紋理從樣本補丁擴展到與原始樣本最相似的更大實(shí)例。

該論文的主要作者，深圳大學(xué)和華中科技大學(xué)的助理教授楊周表示：“我們的方法成功地處理了非平穩紋理，而沒(méi)有對高層結構進(jìn)行任何高級或語(yǔ)義描述。” “它可以應付非常具有挑戰性的紋理，據我們所知，其他任何現有方法都無(wú)法處理。結果是可以高分辨率，高效且大規模生產(chǎn)的逼真的設計。”

基于示例的紋理合成的基本目標是生成通常尺寸大于輸入大小的紋理，該紋理可以緊密捕獲樣本輸入的視覺(jué)特征(但并不完全相同)并保持逼真的外觀(guān)。非平穩紋理的示例包括具有大規模不規則結構的紋理，或在某些屬性(例如顏色，局部方向和局部比例)上表現出空間差異的紋理。在論文中，研究人員在孔雀羽毛和樹(shù)干波紋等復雜的示例中測試了他們的方法，這些示例在重復模式上似乎無(wú)窮無(wú)盡。

周和他的合作者，包括華中大學(xué)的朱Zhen和項柏，耶路撒冷希伯來(lái)大學(xué)的Dani Lischinski，深圳大學(xué)和特拉維夫大學(xué)的Daniel Cohen-Or和深圳大學(xué)的黃輝，將與他們合作。于8月12日至16日在不列顛哥倫比亞省溫哥華舉行的SIGGRAPH 2018上工作。這次年度聚會(huì )展示了在計算機圖形和交互技術(shù)領(lǐng)域最前沿的世界領(lǐng)先的專(zhuān)業(yè)人士，學(xué)者和創(chuàng )造力。

他們的方法包括訓練一個(gè)稱(chēng)為生成器的生成網(wǎng)絡(luò )，以學(xué)習擴展從示例中裁剪的任意紋理塊(即，將其空間范圍擴大一倍)，從而使擴展后的結果在視覺(jué)上類(lèi)似于包含適當大小的示例性塊(大兩倍)。使用判別網(wǎng)絡(luò )(判別器)評估自動(dòng)擴展的塊與實(shí)際包含的塊之間的視覺(jué)相似性。作為GAN的典型代表，鑒別器與生成器并行訓練，以區分示例中的實(shí)際大塊和生成器生成的大塊。

周說(shuō)：“令人驚訝的是，我們發(fā)現，通過(guò)使用這種概念上簡(jiǎn)單的，自我監督的對抗訓練策略，訓練后的網(wǎng)絡(luò )可以在各種紋理(包括固定和高度非固定紋理)上接近完美地工作。”

該工具旨在協(xié)助紋理藝術(shù)家進(jìn)行視頻游戲設計，虛擬現實(shí)和動(dòng)畫(huà)制作。一旦針對每個(gè)給定的紋理樣本進(jìn)行了自我監督的對抗訓練，則可以使用該框架來(lái)自動(dòng)生成擴展的紋理，最大可達原始樣本大小的兩倍。在將來(lái)，研究人員希望他們的系統能夠以無(wú)監督的方式實(shí)際提取紋理的高級信息。

此外，在將來(lái)的工作中，該團隊打算在大規模紋理數據集上訓練“通用”模型，并增強用戶(hù)控制能力。對于紋理美術(shù)師，由于美術(shù)師傾向于為自己的設計操縱紋理，因此具有用戶(hù)交互作用的受控合成將可能更加有用。