NVIDIA નું ન્યુરલ નેટવર્ક તમને તમારા પાલતુને અન્ય પ્રાણી તરીકે કલ્પના કરવાની મંજૂરી આપે છે

દરેક વ્યક્તિ જે ઘરમાં પાળતુ પ્રાણી રાખે છે તે તેમને પ્રેમ કરે છે. જો કે, જો તમારો પ્રિય કૂતરો અલગ જાતિનો હોત તો તે વધુ સુંદર લાગશે? NVIDIA માંથી GANimals નામના નવા ટૂલ માટે આભાર, તમે મૂલ્યાંકન કરી શકો છો કે જો તમારું મનપસંદ પાલતુ અલગ પ્રાણી હોત તો તે વધુ સુંદર લાગશે કે કેમ.

આ વર્ષની શરૂઆતમાં, NVIDIA સંશોધન પહેલેથી જ આશ્ચર્ય તેના GauGAN ટૂલ વડે ઈન્ટરનેટ વપરાશકર્તાઓ, જેણે તેને રફ સ્કેચને લગભગ ફોટોરિયલિસ્ટિક ઈમેજોમાં ફેરવવાની મંજૂરી આપી. આ ટૂલ માટે વપરાશકર્તાઓને યોગ્ય બ્રશ રંગ પસંદ કરીને છબીના કયા ભાગો પાણી, વૃક્ષો, પર્વતો અને અન્ય સીમાચિહ્નો હોવા જોઈએ તે સ્પષ્ટ કરવાની જરૂર છે, પરંતુ GANimals સંપૂર્ણપણે આપમેળે કાર્ય કરે છે. તમારે ફક્ત તમારા પાલતુનો ફોટો અપલોડ કરવાનો છે, અને તે અન્ય પ્રાણીઓની ફોટોરિયલિસ્ટિક છબીઓની શ્રેણી બનાવશે જે નમૂનાના "ચહેરાના હાવભાવ"ને જાળવી રાખે છે.

આ અઠવાડિયે, કોરિયાના સિઓલમાં કોમ્પ્યુટર વિઝન પરની આંતરરાષ્ટ્રીય પરિષદમાં રજૂ કરાયેલા પેપરમાં, સંશોધકોએ તેઓએ વિકસિત કરેલ અલ્ગોરિધમનું વર્ણન કર્યું - FUNIT. તેનો અર્થ થાય છે ફ્યુ-શોટ, અનસુપરવાઇઝ્ડ ઇમેજ-ટુ-ઇમેજ ટ્રાન્સલેશન. કૃત્રિમ બુદ્ધિમત્તાનો ઉપયોગ કરતી વખતે સ્ત્રોત ઇમેજની લાક્ષણિકતાઓને લક્ષ્ય ઇમેજમાં રૂપાંતરિત કરવા માટે, આર્ટિફિશિયલ ઇન્ટેલિજન્સ સામાન્ય રીતે વાસ્તવિક લાગે તેવા પરિણામો ઉત્પન્ન કરવા માટે વિવિધ પ્રકાશ સ્તરો અને કેમેરા એંગલ સાથે લક્ષ્ય છબીઓના વિશાળ સંગ્રહ પર પ્રશિક્ષિત કરવાની જરૂર છે. પરંતુ આટલો મોટો ઇમેજ ડેટાબેઝ બનાવવામાં લાંબો સમય લાગે છે અને ન્યુરલ નેટવર્કની ક્ષમતાઓને મર્યાદિત કરે છે. જો AI ને ચિકનને ટર્કીમાં ફેરવવા માટે તાલીમ આપવામાં આવે છે, તો તે એકમાત્ર વસ્તુ છે જે તે સારું કરશે.

સરખામણીમાં, FUNIT અલ્ગોરિધમને લક્ષ્ય પ્રાણીની માત્ર થોડી છબીઓનો ઉપયોગ કરીને તાલીમ આપી શકાય છે જેના પર તે વારંવાર પ્રેક્ટિસ કરે છે. એકવાર એલ્ગોરિધમ પૂરતા પ્રમાણમાં પ્રશિક્ષિત થઈ જાય તે પછી, તેને સ્રોત અને લક્ષ્ય પ્રાણીઓની માત્ર એક છબીની જરૂર છે, જે સંપૂર્ણપણે રેન્ડમ હોઈ શકે છે અને તે પહેલાં ક્યારેય પ્રક્રિયા અથવા વિશ્લેષણ કરવામાં આવ્યું નથી.

રસ ધરાવતા લોકો GANanimals પર પ્રયાસ કરી શકે છે NVIDIA AI રમતનું મેદાન, પરંતુ અત્યાર સુધી પરિણામો ઓછા રિઝોલ્યુશન છે અને શૈક્ષણિક હેતુઓ સિવાય અથવા જિજ્ઞાસા સંતોષવા માટે યોગ્ય નથી. સંશોધકો આખરે AI અને અલ્ગોરિધમની ક્ષમતાઓને સુધારવાની આશા રાખે છે જેથી કરીને કાળજીપૂર્વક ક્યુરેટ કરેલી છબીઓના વિશાળ ડેટાબેઝ પર આધાર રાખ્યા વિના લોકોના ચહેરા બદલવાનું ટૂંક સમયમાં શક્ય બને.

સોર્સ: 3dnews.ru