Generování map z OSM pomocí rekurentních neuronových sítí

Generovanie náhodných realistických máp je žiadaná metóda generovania obsahu pre zábavný priemysel. Neurónové siete poskytujú výkonné výpoč- tové schopnosti, ktoré sa osvedčili v mnohých oblastiach. Táto práca popisuje algoritmus, ktorý prispôsobuje dáta z reálneho sveta pre učenie Rekurent- ných Neurónových Sietí (RNN) inšpirované pixelovo rekurentnými RNN. Al- goritmus bol zostrojený na generovanie mapy nadmorských výšok, ciest, riek a budov. Výsledky sú testované a vyhodnotené na viacerých vybraných oblastiach z reálneho sveta. Tento algoritmus ukazuje schopnosť sa učiť a vytvárať náhodné realistické mapy založené na vstupných údajoch užívateľa a tréningových dátach. Generácia ciest a riek ukázala slabšie výsledky. Gen- erácia budov ukázala neuspokojivé výsledky. 1Generation of random realistic maps is a highly desirable content creation method for entertainment industry. Neural networks provide powerful com- putational capabilities proven useful in many fields. This thesis describes an algorithm that adapts real-world data to train Recurrent Neural Networks (RNNs) inspired by the pixel RNNs. An algorithm is constructed to gener- ate a map of altitudes, roads, rivers and buildings. The results are tested and evaluated on multiple selected real-world regions. It shows the ability of RNNs to learn and create random realistic maps. Algorithm generates real- istic altitude maps reflecting user input and training dataset. The creation of roads and rivers was met with weaker results. The creation of buildings was met with unsatisfactory results. 1Department of Software EngineeringKatedra softwarového inženýrstvíMatematicko-fyzikální fakultaFaculty of Mathematics and Physic