এনভিডিয়া থেকে এই এআই নিউরাল নেটওয়ার্ক ফটোরিয়ালস্টিক জাল ছবি তৈরি করে

এক নজরে, ছবিটি উপরের দিকে একটি সাধারণ রাস্তার সাধারণ ছবির মত দেখায়, এটি একটি ড্যাশ ক্যাম থেকে বা এমন কাউকে নির্বোধের কাছ থেকে নিয়ে যায় যা এই ধরনের মুণ্ডু দৃশ্যের ছবি টেনে আনতে রাস্তায় ভাসতে পারে।

কিন্তু একটু কাছাকাছি চেহারা। ট্রাফিক সংকেত সামান্য warped কিভাবে লক্ষ্য করুন, বা কিভাবে কিছু গাড়ির অস্পষ্ট বলে মনে হচ্ছে? এখানে কিছু ভুল আছে। এই সব একটি ছবি নয়। এটি এমন একটি চিত্র যা সম্পূর্ণরূপে A.I. দ্বারা তৈরি করা হয়েছিল।

কারিগরি সংস্থা এনভিডিয়া এবং ক্যালিফোর্নিয়া বিশ্ববিদ্যালয়ের কম্পিউটার বিজ্ঞানী বার্কলে একটি গবেষণামূলক কাগজ লিখেছেন, যা আর্কাইভ-এর প্রাক-প্রিন্টে পাওয়া যায়, যা তারা বাস্তবসম্মত রাস্তার চিত্র এবং মানব পোর্ট্রেটগুলি তৈরি করতে নিউরোল নেটওয়ার্ক পেতে সক্ষম হয়েছেন। তারা এমনকি এমন একটি ব্যবহারকারীর ইন্টারফেসও অন্তর্ভুক্ত করেছে যা আপনাকে ছবিগুলিকে টিভ করতে দেয় তবে আপনি অতিরিক্ত পাতার যোগ বা এমনকি আবহাওয়া পরিবর্তন করেও পছন্দ করতে পারেন।

"গেমিং দ্রুত বৃদ্ধি পাচ্ছে, কারণ মানুষ ভার্চুয়াল পরিবেশে একে অপরের সাথে মিথস্ক্রিয়া ভালবাসে", মিং-ইউ লিউ, এনভিডিয়ার একজন সিনিয়র বিজ্ঞানী, বলেছেন বিপরীত একটি ইমেইল। "তবে, আজকের প্রযুক্তির সাথে ভার্চুয়াল জগৎ নির্মাণ ব্যয়বহুল, কারন এটি শিল্পীদের তৈরি করা যা তারা নির্মাণের জন্য টেক্সচার এবং আলোকে স্পষ্টভাবে মডেল এবং অনুকরণ করে। ইমেজ-টু-ইমেজ অনুবাদের মাধ্যমে, আমরা ভার্চুয়াল বিশ্বে তৈরি করতে আসল জগতকে নমুনা দিতে পারি।"

নিউরাল নেটওয়ার্কগুলি তথ্য গ্রহণ করে, এটি প্রয়োগ করে এবং ফলাফল থেকে শেখার মাধ্যমে মানুষের মস্তিষ্কের মতো কাজ করার জন্য মডেল তৈরি করা হয়। এই গবেষণায় ২014 সালে ইয়ান গুডফেলো দ্বারা প্রবর্তিত বিশেষ ধরনের নিউরাল নেট ব্যবহৃত হয়, জেনারেটেড অ্যাডভারারিয়াল নেটওয়ার্কগুলি - বা জিএএনএস - যা সাধারণত দুটি নেটওয়ার্ক, জেনারেটর এবং বৈষম্যমূলক ধারণ করে।

জেনারেটরের ছবি দেওয়া হয় এবং এটি দেওয়া হয় অনুরূপ সিন্থেটিক ইমেজ তৈরি করতে শুরু করে। এরপরে এটি দেওয়া চিত্রগুলির মিশ্রণ এবং বৈষম্যকারীকে জাল দেখায়, যার কাজটি তাদেরকে আলাদা করে বলতে হয়। এই প্রক্রিয়া চলতে থাকলে, জেনারেটর আসল ছবিগুলি অনুকরণে আরও ভাল হয়ে যায় এবং বৈষম্যকারীরা আলাদা আলাদা কথা বলার ক্ষেত্রে আরও ভাল হয়ে যায়। ফলাফল কিছু প্রশংসনীয় convincing হয় - এবং সম্পূর্ণ জাল - ছবি।

এই গবেষণাটি জেনারেটর এবং বৈষম্যমূলক নেটওয়ার্কে কিছু সাব-নেটওয়ার্কে বিভক্ত যুক্ত করে প্রথাগত GANs মডেল তৈরি করে, উচ্চ-রেজোলিউশনের চিত্রগুলির আউটপুট করার অনুমতি দেয়। নিউরাল নেটওয়ার্কগুলি একটি সেমিকান্টিক মানচিত্রেও নিতে পারে - অথবা ফটোটি কীভাবে দেখানো উচিত তার একটি মূর্তি - এবং স্বতন্ত্রভাবে টেক্সচারগুলি পূরণ করুন। ব্যবহারকারীরা ব্লুপ্রিন্টেও যেতে পারেন এবং রাস্তার দৃশ্যের গাছগুলি পরিবর্তে বাড়ির পরিবর্তে বাড়ী যুক্ত করতে চান বা একটি প্রতিকৃতিতে চোখগুলিকে আরও বড় করতে চান তবে জিনিসগুলি পরিবর্তন করতে পারেন।

কাগজ এই পদ্ধতি ব্যবহার করে সম্পন্ন একই পরীক্ষায় তার ফলাফল তুলনা, pix2pix হচ্ছে সবচেয়ে উল্লেখযোগ্য এক। Nvidia এবং UC বার্কলে স্টাডিটি লোগোযোগ্য প্লেটগুলির মতো ক্ষুদ্র এবং সুনির্দিষ্ট হিসাবে চিত্রগুলি তৈরি করতে সক্ষম, যখন পিক 2 পিক্স চিত্রগুলিকে ওয়াটার কালার পেইন্টিংগুলির মতো দেখতে দেয়।

যদিও এই সরঞ্জামটি কয়েকটি অলঙ্কৃত ফটোগুলির সাথে কিছু মুক্ত রেডিড্ট কর্ম অর্জন করতে ব্যবহার করা যেতে পারে, লেখকগুলি কেবলমাত্র একটি সহজ ব্লুপপ্রিন্টের সাথে বাস্তবসম্মত গ্রাফিক্স জেনারেট করার জন্য এই পদ্ধতির ব্যবহারে বিশাল সম্ভাবনা দেখতে পায়।

গুগল ম্যাপস, চলচ্চিত্র, এবং ভিডিও গেমসে ব্যবহারের জন্য শত শত ঘন্টা যন্ত্রণাদায়ক শ্রম ভার্চুয়াল বিশ্ব সৃষ্টি করে। লিউ বলেছে যে এই মডেলটি ডিজাইনিংয়ের বেশিরভাগই বেদনাদায়কভাবে পেতে এবং তারপরে পরে গিয়ে বিস্তারিত জানার জন্য একটি উপায় হিসাবে কাজ করতে পারে।

"স্পষ্টভাবে মডেলিং করে বিশ্বকে রেন্ডার করার পরিবর্তে, আমরা বিশ্বব্যাপী একটি সহজ মডেলের মধ্যে অনুবাদ করতে ইমেজ-টু-ইমেজ অনুবাদ ব্যবহার করে নিখরচায় বিশ্বকে গড়ে তুলতে পারি যার মধ্যে কোন টেক্সচার বা আলো নেই, এবং একটি ফটো-বাস্তবসম্মত আউটপুট । এই ক্ষমতা ভার্চুয়াল বিশ্বের নির্মাণ করতে এটি অনেক সস্তা করা উচিত, "তিনি বলেছেন বিপরীত.

এই গবেষণায় পরবর্তী পদক্ষেপের জন্য, টিম ভিডিও-টু-ভিডিও অনুবাদ অন্বেষণ আশা করে, যা বাস্তবসম্মত ভিডিওগুলি তৈরি করতে নিউরাল নেট ব্যবহার করবে। লুয়ে বলেছেন যে একটি লক্ষ্য মাঠে গবেষকরা চ্যালেঞ্জ করেছে।

এখন আপনি জাল ছবি তৈরি করা যাবে কিভাবে সহজেই জানেন। আপনি Google চিত্রগুলিতে যা দেখেন সবকিছু বিশ্বাস করবেন না।