Hello . 大家好
我是神棍赵
序言
近期机器学习或者说AI方面的内容又火起来了，找到一篇比较好实现的文章分享给大家，也顺手蹭个热度。
1先容
我叫FranciscoMúrias，最近，我一贯在探索Houdini以及机器学习在内容天生中的潜力。我在波尔图大学（葡萄牙）攻读打算机科学学士学位，在那里我学习了编程。然后，在Teesside大学（英格兰）攻读3D游戏艺术硕士学位，在那里学习了Houdini，Unreal Engine等工具，并有机会在毕业论文期间探索机器学习在游戏中的一些运用。
2机器学习与地形天生
机器学习便是利用样本数据来“演习”一个拟合的打算机算法，从而得到“映射功能”，该算法可以将一组输入大致的解析为有用的输出。机器学习在游戏和CG中广泛运用，艺术家和程序员不断为它探求新的用场。节省艺术家的韶光，专注于更有创造性的事情。
现实地形天生是一个非常繁芜的问题,在过去的三十年中，研究职员研究了各种天生地形的方法，这些方法各有优缺陷。我这个项目是探索如何仅基于大略的草图就可以实时天生详细的，带有实际堕落效果的地形。
地形在游戏中一样平常都是通过高度图来表示，非常适宜机器学习。而且我们还拥有现实天下的地形数据，USGS拥有险些全体美国陆地的准确地形高度图。以是这两个成分使它成为机器学习运用程序实验的空想用例。
利用工具天生的一些示例：
3GAN
GAN便是条件天生对抗网络模型，根据自动处理的真实天下地形数据（通过Houdini网络）进行演习，运行神经网络模型并在实时3D预览中展示结果。通过从演习数据中学到的特色来天生任意数量的真实虚拟地形，而无需手动定义任何过程规则或参数属性。
cGAN系统由两个相互竞争的网络组成：一个不断合成新地形的天生器，以及一个将天生的地形与真实示例进行比较的鉴别器。这两个网络相互竞争，学习如何制作更适宜演习示例的地形。
为了网络用于演习模型的演习数据，我利用了Houdini 的PDG使该任务自动化。
1.读取设定的坐标
2.从USGS做事器下载文件
3.解压缩文件
4.将高度信息分成小块
5.处理每个图块以打算峰谷线
6.将结果映射到匹配的图像并保存
全体数据网络管道均基于SideFX的ML数据准备示例，该示例采取了一种出色的方法，并且可以教您如何利用PDG系统。
4交互工具
我构建了一个自定义工具，利用户能够绘制峰谷线，机器学习算法会自动实时天生终极地形。
利用ModernGL开拓的自定义3D预览器可以快速迭代和可视化结果。这是我的第一个紧张Python运用程序，我创造Python是启动和构建这种自定义运用程序的绝佳措辞。它拥有一个精良的社区和一个生动的Discord做事器，那里挤满了乐意帮助您入门的人。
末了利用Gaea天生细节，末了就可以将天生的地形导入任何游戏引擎，并用作3D地形的根本。
5寻衅
我相信该工具证明了ML运用在游戏中的巨大潜力。该项目未来开拓的目标是概括同一网络中不同要素的地形天生，并在创作阶段用不同类型的草图区分它们。同时我会连续研究ML，并扩展ML在游戏中的利用。
6总结
这位老哥用机器学习快速天生一个低精度的高度图，然后通过gaea的侵蚀获取各种分布图，值得学习借鉴，感兴趣的可以按照这个思路整一个。