সমস্যাটো
মানুহৰ বাবে যিটো সহজ যেন লাগে — ফটো এখনৰ "মূল বিষয়" চিনাক্ত কৰাটো — কম্পিউটাৰৰ বাবে আচৰিত ধৰণে জটিল। ছবি এখন মাথোঁ ৰঙীন পিক্সেলৰ গ্ৰীড। "এই পিক্সেলটোৱেই হৈছে ব্যক্তিজন" আৰু "এই পিক্সেলটোৱেই তেওঁলোকৰ পিছফালৰ দেৱাল" বুলি কোনো অন্তৰ্নিহিত লেবেল নাই।
পৰম্পৰাগত পদ্ধতিত ৰঙৰ থ্ৰেছহ'ল্ডিং (এটা নিৰ্দিষ্ট ৰঙৰ সকলো পিক্সেল আঁতৰোৱা) বা প্ৰান্ত ধৰা পেলোৱা (বস্তুৰ মাজত সীমা বিচাৰি উলিওৱা)ৰ দৰে কৌশল ব্যৱহাৰ কৰা হৈছিল। এইবোৰে সৰল ক্ষেত্ৰৰ বাবে কাম কৰিছিল যদিও জটিল দৃশ্য, বিষয়বস্তু আৰু পটভূমিৰ মাজত একে ৰং বা জটিল বিৱৰণৰ সৈতে বিফল হৈছিল।
মেচিন লাৰ্নিঙত প্ৰৱেশ কৰক
আধুনিক AI পটভূমি আঁতৰোৱাত গভীৰ শিক্ষণ ব্যৱহাৰ কৰা হয় — বিশেষকৈ, ছবি বিভাজন আৰ্হি। ই কেনেকৈ কাম কৰে তাৰ সৰলীকৃত সংস্কৰণ ইয়াত দিয়া হৈছে:
১/ প্ৰশিক্ষণ
এটা স্নায়ু নেটৱৰ্কক লাখ লাখ ছবি দেখুওৱা হয় য’ত ইতিমধ্যে বিষয়বস্তুক হাতেৰে চিনাক্ত কৰা হৈছে (লেবেল কৰা হৈছে)। সময়ৰ লগে লগে মডেলে আৰ্হি শিকে: মানুহ কেনেকুৱা, বস্তুৰ আকৃতি কেনেকুৱা, বিষয়বস্তুৰ পটভূমিৰ পৰা কেনেকৈ পৃথক। ই প্ৰান্ত, টেক্সচাৰ আৰু প্ৰসংগ চিনাক্ত কৰিবলৈ শিকে।
২) অনুমান (মডেল ব্যৱহাৰ কৰি)
যেতিয়া আপুনি প্ৰশিক্ষিত মডেলক ই আগতে কেতিয়াও দেখা নোপোৱা এটা নতুন ছবি দিয়ে, ই পিক্সেল তথ্য বিশ্লেষণ কৰে আৰু এটা "মাস্ক" উৎপন্ন কৰে — এটা মেপ যিয়ে প্ৰতিটো পিক্সেলক অগ্ৰগ্ৰাউণ্ড (বিষয়) বা পটভূমি হোৱাৰ সম্ভাৱনা নিযুক্ত কৰে। উচ্চ-বিশ্বাসৰ অগ্ৰভূমি পিক্সেলসমূহ ৰখা হয়; উচ্চ-বিশ্বাসৰ পটভূমি পিক্সেলসমূহ আঁতৰোৱা হয়।
3. প্ৰান্ত নিয়ন্ত্ৰণ
অগ্ৰভূমি আৰু পটভূমিৰ মাজৰ পৰিৱৰ্তন অতি গুৰুত্বপূৰ্ণ। আধুনিক মডেলসমূহে কঠিন বাইনাৰী কাটৰ পৰিৱৰ্তে কোমল প্ৰান্ত (আংশিক স্বচ্ছতা) সৃষ্টি কৰে। ইয়াৰ ফলত বিশেষকৈ জটিল প্ৰান্তৰ চাৰিওফালে প্ৰাকৃতিক দেখা ফলাফলৰ সৃষ্টি হয়।
GPUs কিয় গুৰুত্বপূৰ্ণ
স্নায়ু নেটৱৰ্কে একেলগে হাজাৰ হাজাৰ গাণিতিক কাৰ্য্যৰ জৰিয়তে ছবি প্ৰক্ৰিয়াকৰণ কৰে। GPU সমূহ (গ্ৰাফিক্স প্ৰচেছিং এককসমূহ) হুবহু এই ধৰণৰ সমান্তৰাল গণনাৰ বাবে ডিজাইন কৰা হৈছে। এটা কাম যি এটা CPU ত 30 ছেকেণ্ড লব পাৰে এটা GPU ত 2-3 ছেকেণ্ডত সম্পূৰ্ণ কৰিব পাৰে ।
এই কাৰণেই QuickRemove ৰ দৰে সঁজুলিসমূহে NVIDIA, AMD, আৰু Intel GPUs ৰ পৰা GPU ত্বৰণ সমৰ্থন কৰে। AI আৰ্হি দ্ৰুত প্ৰচেছিঙৰ বাবে আপোনাৰ GPU ত পোনপটীয়াকৈ চলি থাকে । যদি কোনো সুসংগত GPU উপলব্ধ নহয়, চফ্টৱেৰ CPU প্ৰচেছিঙলৈ ঘূৰি যায় — ই এতিয়াও কাম কৰে, মাত্ৰ বেছি সময় লয় ।
এআই কি কামত ভাল
- মানুহ আৰু প্ৰতিকৃতি — এইটোৱেই আটাইতকৈ সাধাৰণ ব্যৱহাৰৰ ক্ষেত্ৰ, আৰু মডেলসকল ইয়াৰ ওপৰত ভালদৰে প্ৰশিক্ষিত
- জীৱ-জন্তু আৰু পোহনীয়া জন্তু — মডেলে পশম আৰু প্ৰাণীৰ আকৃতি ভালদৰে চম্ভালে
- পণ্য আৰু বস্তু — স্পষ্ট সীমাৰেখা থকা সুনিৰ্দিষ্ট বস্তু
- বাহন — গাড়ী, বাইক, আৰু অনুৰূপ বস্তু
- জটিল পটভূমি — AI এ ব্যস্ত, বিশদ পটভূমিৰ পৰা বিষয়বস্তু পৃথক কৰিব পাৰে
এআইৰ বাবে প্ৰত্যাহ্বান
- স্বচ্ছ বস্তুসমূহ — কাঁচ, পানী, আৰু অন্যান্য ছি-থ্ৰু সামগ্ৰীসমূহ কৌশলী (QuickRemove এ ইয়াৰ বাবে বিশেষ নিয়ন্ত্ৰণ অন্তৰ্ভুক্ত কৰে)
- ৰঙৰ সাদৃশ্য — যেতিয়া বিষয়বস্তু আৰু পটভূমিৰ ৰং অতি মিল থাকে, তেতিয়া সীমা ধৰা পেলোৱাটো কঠিন হয়
- অতি জটিল দৃশ্য — একাধিক ওপৰত ওপৰ সোমাই থকা বিষয় বা অস্পষ্ট অগ্ৰভূমি/পটভূমি
পোষ্ট-প্ৰচেছিং
AI এ প্ৰাৰম্ভিক মাস্ক সৃষ্টি কৰাৰ পিছত, পষ্ট-প্ৰচেছিঙে ফলাফলটো পৰিশোধন কৰে। QuickRemove ৰ দৰে সঁজুলিসমূহে অফাৰ কৰে:
- এজ ফেদাৰিং — বিষয় আৰু পটভূমিৰ মাজৰ পৰিৱৰ্তন কোমল কৰা
- মসৃণ কৰা — দাঁতযুক্ত প্ৰান্ত হ্ৰাস কৰা
- ৰঙৰ বিশুদ্ধকৰণ — য'ত মূল পটভূমিৰ ৰং বিষয়বস্তুৰ প্ৰান্তত ৰক্তক্ষৰণ হয় তাত ৰঙৰ ছিটিকি পৰা আঁতৰোৱা
- মেনুৱেল ব্ৰাছ/ইৰেজাৰ — মিহি সংশোধনৰ বাবে AI এ মিছ কৰিব পাৰে
তলৰ ৰেখাডাল
এআইৰ পটভূমি আঁতৰোৱাটোৱে এনে এটা পৰ্যায় পাইছেগৈ যে ই কেইছেকেণ্ডমানৰ ভিতৰতে পেছাদাৰী মানৰ ফলাফল দিয়ে। যদিও ই প্ৰতিটো পৰিস্থিতিত নিখুঁত নহয়, ই সাধাৰণ ব্যৱহাৰৰ বিপুল সংখ্যক ক্ষেত্ৰক আকৰ্ষণীয় সঠিকতাৰে চম্ভালে — পটভূমি আঁতৰোৱাটো কেৱল ফটোশ্বপ বিশেষজ্ঞৰ বাবে নহয়, সকলোৰে বাবে সুলভ কৰি তোলে।