Kustīgu divdimensiju rakstu veidošana ar neironu tīklu metodēm

Abstract

Ar tekstūru ģenerēšanu tiek saprasts process, kad no ievadtekstūras iegūst patvaļīgu skaitu ar jaunām tekstūrām, kas ir līdzīgas paraugam, bet ne identiskas. Ir vairākas metodes, ar kuru palīdzību var ģenerēt tekstūras un darba teorētiskajā daļā tās tiek apskatītas, uzsvaru liekot uz neironu tīklu metodēm. Tiek apskatīta statisku tekstūru ģenerēšanas metožu adaptācija kustīgu rakstu veidošanai. Darba praktiskajā daļā tiek analizēts pētījums par neironu šūnu automāta pielietojumu pašorganizējošos tekstūru ģenerēšanā, reproducēts pētījuma eksperiments. Noslēgumā darba autore izstrādā vairākas metodes neirona šūnu automāta pielietojumam kustīgu tekstūru ģenerēšanai. Pirmā metode spēj ģenerēt precīzas tekstūru animācijas paļaujoties uz ārējas informācijas palīdzību par to, kurš kadrs jāapmācās, kamēr otra metode spēj pati uzturēt informāciju par laiku.

Texture generation is the process of obtaining an arbitrary number of new textures similar to the sample texture, but not identical. There are several methods that can generate textures. This work covers texture generation methods with emphasis on neural network methods, adaptation of static texture generation methods for creation of moving two-dimensional patterns. In the practical part of the thesis the author analyzed a study on the application of neural cellular automata for self-organising textures, reproduced the experiment results. At last the author proposes two methods of using cellular automata for moving texture generation. The first method is dependent on external information about time and animation frame that is being generated. The second approach demonstrates self-organising behaviour in time.