ইমেজ সংশ্লেষণ এবং রাতের ফটোতে শব্দ কমানোর জন্য মেশিন লার্নিং সিস্টেম

স্থিতিশীলতা AI স্থিতিশীল ডিফিউশন মেশিন লার্নিং সিস্টেমের জন্য তৈরি মডেলগুলি প্রকাশ করেছে, যা প্রাকৃতিক ভাষায় একটি পাঠ্য বর্ণনার উপর ভিত্তি করে চিত্রগুলি সংশ্লেষণ এবং পরিবর্তন করতে সক্ষম। মডেলগুলি বাণিজ্যিক ব্যবহারের জন্য অনুমতিপ্রাপ্ত ক্রিয়েটিভ ML OpenRAIL-M লাইসেন্সের অধীনে লাইসেন্সপ্রাপ্ত। সিস্টেমটি প্রশিক্ষণের জন্য, 4000 NVIDIA A100 Ezra-1 GPU-এর একটি ক্লাস্টার এবং একটি LAION-5B সংগ্রহ, পাঠ্য বিবরণ সহ 5.85 বিলিয়ন ছবি সহ, ব্যবহার করা হয়েছিল। পূর্বে, MIT লাইসেন্সের অধীনে একটি নিউরাল নেটওয়ার্কের প্রশিক্ষণ এবং ছবি তৈরি করার জন্য সরঞ্জামগুলির কোড ছিল ওপেন সোর্স।

একটি রেডিমেড মডেলের প্রাপ্যতা এবং মোটামুটি পরিমিত সিস্টেমের প্রয়োজনীয়তা যা একজনকে স্ট্যান্ডার্ড GPU সহ একটি পিসিতে পরীক্ষা-নিরীক্ষা শুরু করার অনুমতি দেয় অনেকগুলি সম্পর্কিত প্রকল্পগুলির উত্থানের দিকে পরিচালিত করেছে:

• টেক্সচুয়াল-ইনভার্সন (কোড) - একটি অ্যাড-অন যা আপনাকে একটি প্রদত্ত অক্ষর, বস্তু বা শৈলীর সাথে চিত্রগুলিকে সংশ্লেষণ করতে দেয়। মূল স্থিতিশীল প্রসারণে, সংশ্লেষিত চিত্রের বস্তুগুলি এলোমেলো এবং অনিয়ন্ত্রিত। প্রস্তাবিত অ্যাড-অন আপনাকে আপনার নিজস্ব ভিজ্যুয়াল অবজেক্ট যোগ করতে, কীওয়ার্ডের সাথে আবদ্ধ করতে এবং সংশ্লেষণে ব্যবহার করতে দেয়।

  উদাহরণস্বরূপ, নিয়মিত স্টেবল ডিফিউশনে আপনি সিস্টেমকে "নৌকায় বিড়াল" সহ একটি চিত্র তৈরি করতে বলতে পারেন। অতিরিক্তভাবে, আপনি বিড়াল এবং নৌকার বৈশিষ্ট্যগুলি স্পষ্ট করতে পারেন, তবে কোন বিড়াল এবং নৌকাটি সংশ্লেষিত হবে তা অপ্রত্যাশিত। টেক্সচুয়াল-ইনভার্সন আপনাকে আপনার বিড়াল বা নৌকার একটি চিত্রের উপর সিস্টেমকে প্রশিক্ষণ দিতে এবং একটি নির্দিষ্ট বিড়াল বা নৌকা দিয়ে চিত্রটি সংশ্লেষিত করতে দেয়। একইভাবে, এটি নির্দিষ্ট বস্তুর সাথে চিত্রের উপাদানগুলিকে প্রতিস্থাপন করতে পারে, সংশ্লেষণের জন্য একটি ভিজ্যুয়াল শৈলীর একটি উদাহরণ স্থাপন করতে পারে এবং ধারণাগুলি নির্দিষ্ট করতে পারে (উদাহরণস্বরূপ, ডাক্তারের সম্পূর্ণ বৈচিত্র্য থেকে, আপনি আরও সঠিক এবং উচ্চ-মানের নির্বাচন ব্যবহার করতে পারেন। পছন্দসই শৈলীতে)।

  

• stable-diffusion-animation - স্থিতিশীল ডিফিউশনে উত্পন্ন ছবিগুলির মধ্যে ইন্টারপোলেশনের উপর ভিত্তি করে অ্যানিমেটেড (চলমান) চিত্র তৈরি করা।
• stable_diffusion.openvino (কোড) - স্ট্যাবল ডিফিউশনের একটি পোর্ট, যা গণনার জন্য শুধুমাত্র CPU ব্যবহার করে, যা শক্তিশালী GPU ছাড়াই সিস্টেমে পরীক্ষা-নিরীক্ষার অনুমতি দেয়। OpenVINO লাইব্রেরিতে সমর্থিত একটি প্রসেসর প্রয়োজন। আনুষ্ঠানিকভাবে, OpenVINO AVX2, AVX-512, AVX512_BF16 এবং SSE এক্সটেনশন সহ ইন্টেল প্রসেসরের পাশাপাশি রাস্পবেরি পাই 4 মডেল বি, অ্যাপল ম্যাক মিনি এবং NVIDIA জেটসন ন্যানো বোর্ডগুলির জন্য প্লাগইন সরবরাহ করে। অনানুষ্ঠানিকভাবে, AMD Ryzen প্রসেসরে OpenVINO ব্যবহার করা সম্ভব।
• sdamd হল AMD GPU-এর জন্য একটি পোর্ট।
• ভিডিও সংশ্লেষণের একটি প্রাথমিক বাস্তবায়ন।
• stable-diffusion-gui, stable-diffusion-ui, Artbreeder Collage, diffuse-the-rest - Stable Diffusion ব্যবহার করে ছবি তৈরি করার জন্য গ্রাফিকাল ইন্টারফেস।
• beta.dreamstudio.ai, হাগিং ফেস স্পেস, hlky স্টেবল ডিফিউশন ওয়েবইউআই - স্টেবল ডিফিউশন ব্যবহার করে ইমেজ সংশ্লেষণের জন্য ওয়েব ইন্টারফেস।
• জিআইএমপি, ফিগমা, ব্লেন্ডার এবং ফটোশপের সাথে স্থিতিশীল ডিফিউশনকে একীভূত করার জন্য প্লাগইন।

উপরন্তু, আমরা RawNeRF (RAW নিউরাল রেডিয়েন্স ফিল্ডস) মেশিন লার্নিং সিস্টেমের কোডের Google-এর প্রকাশনাকে নোট করতে পারি, যা অনেকগুলি RAW ছবির ডেটার উপর ভিত্তি করে, অন্ধকারে এবং অন্ধকারে তোলা উচ্চ কোলাহলপূর্ণ ছবির গুণমান উন্নত করতে দেয়। দরিদ্র আলো। গোলমাল দূর করার পাশাপাশি, প্রকল্পের দ্বারা তৈরি সরঞ্জামগুলি বিশদ বৃদ্ধি করা, একদৃষ্টি দূর করা, HDR সংশ্লেষিত করা এবং ফটোগ্রাফে সামগ্রিক আলো পরিবর্তন করা এবং সেইসাথে বিভিন্ন কোণ থেকে বেশ কয়েকটি ফটোগ্রাফ ব্যবহার করে বস্তুর ত্রিমাত্রিক অবস্থান পুনরায় তৈরি করা সম্ভব করে তোলে, দৃষ্টিভঙ্গি পরিবর্তন করুন, ফোকাস ম্যানিপুলেট করুন এবং চলমান ছবি তৈরি করুন।

উত্স: opennet.ru