از آنجا که این سیستم، توزیع را از نظر تصویر واردشده مدل‌سازی می‎‌کند، می‌تواند هر دو ماژول را به صورت هم‌زمان بهینه سازی کند و با هر دو ارتباط برقرار کند.

استفاده از نرم‌افزار تولید پست برای قرار دادن اشیاء به صورت واقعی در صحنه‌ها، برای کامپیوتر خیلی مشکل است.
برای این کار باید موقعیت درست اشیاء مذکور مشخص شود و ظاهر آن اشیاء در نقطه هدف به خوبی پیش‌بینی شود. برای جای‌گذاری درست یک شیء در یک تصویر باید به مقیاس، انسداد، حالت و وضعیت جسم توجه شود.

به گزارش ایتنا از رایورز به نقل از ونچربیت، خوشبختانه هوش مصنوعی این امکان را فراهم کرده است. در مقاله‌ای که در دانشگاه‌های سئول و کالیفرنیا آماده و ارائه شد، مشخص شد که هوش مصنوعی گوگل، سیستمی را فراهم کرده است که می‌تواند نحوه قرار دادن یک شیء در یک تصویر را به شکلی معنادار و منسجم آموزش ببیند.

پژوهشگران بر این باور هستند که قرار دادن یک شکل در یک تصویر، در واقع بیانگر آن است که معناشناسی تصویر یک کار چالش برانگیز و جالب است.

این کار با بسیاری از اپلیکیشن‌های دنیای واقعی در ارتباط است و شامل ترکیب تصویر، ویرایش محتوای واقعیت مجازی و افزوده و تصادفی سازی دامنه است. این مدل کار می‌تواند کار برنامه‌های تجزیه و تحلیل صحنه و ویرایش تصویر را تسهیل نماید.

چارچوب سرتاسری آنها شامل دو ماژول است که یکی مربوط به تعیین محل وارد کردن اشیاء و دیگری با تعیین ظاهر کار در ارتباط است.

این موضوع نیازمند شبکه‌های عصبی دو بخشی است. این دو بخش شامل تولیدکننده‌ها و تفکیک کننده‌هاست. تولیدکننده، کار تولید نمونه را انجام می‌دهد و تفکیک‌کننده امکان تشخیص و تمیز بین نمونه‌های تولیدشده و نمونه‌های واقعی را فراهم می‌کند.

از آنجا که این سیستم، توزیع را از نظر تصویر واردشده مدل‌سازی می‎‌کند، می‌تواند هر دو ماژول را به صورت هم‌زمان بهینه سازی کند و با هر دو ارتباط برقرار کند.

نوآوری اصلی این کار، ساخت و ایجاد یک شبکه عصبی آموزش‌پذیر سرتاسری است که بتواند موقعیت‌ها و اشکال مناسب برای اشیاء جدید را نمونه سازی کند.

تماشاخانه