ସମସ୍ୟା
ଯାହା ମଣିଷ ପାଇଁ ସରଳ ମନେହୁଏ - ଏକ ଫଟୋର “ମୁଖ୍ୟ ବିଷୟ” ଚିହ୍ନଟ କରିବା - କମ୍ପ୍ୟୁଟର ପାଇଁ ଆଶ୍ଚର୍ଯ୍ୟଜନକ ଭାବରେ ଜଟିଳ | ଏକ ପ୍ରତିଛବି କେବଳ ରଙ୍ଗୀନ ପିକ୍ସେଲର ଏକ ଗ୍ରୀଡ୍ | କ this ଣସି ଅନ୍ତର୍ନିହିତ ଲେବଲ୍ ନାହିଁ ଯେ "ଏହି ପିକ୍ସେଲ୍ ହେଉଛି ବ୍ୟକ୍ତି" ଏବଂ "ଏହି ପିକ୍ସେଲ୍ ହେଉଛି ସେମାନଙ୍କ ପଛରେ କାନ୍ଥ |"
ପାରମ୍ପାରିକ ପଦ୍ଧତିଗୁଡିକ ରଙ୍ଗ ଥ୍ରେଶୋଲ୍ଡିଂ (ଏକ ନିର୍ଦ୍ଦିଷ୍ଟ ରଙ୍ଗର ସମସ୍ତ ପିକ୍ସେଲ୍ ଅପସାରଣ) କିମ୍ବା ଧାର ଚିହ୍ନଟ (ବସ୍ତୁ ମଧ୍ୟରେ ସୀମା ଖୋଜ) ପରି କ techni ଶଳ ବ୍ୟବହାର କରେ | ଏଗୁଡିକ ସରଳ ମାମଲା ପାଇଁ କାମ କଲା କିନ୍ତୁ ଜଟିଳ ଦୃଶ୍ୟ, ବିଷୟ ଏବଂ ପୃଷ୍ଠଭୂମି ମଧ୍ୟରେ ସମାନ ରଙ୍ଗ, କିମ୍ବା ଜଟିଳ ବିବରଣୀ ସହିତ ବିଫଳ ହେଲା |
ମେସିନ୍ ଲର୍ନିଂ ପ୍ରବେଶ କରନ୍ତୁ |
ଆଧୁନିକ AI ପୃଷ୍ଠଭୂମି ଅପସାରଣ ଗଭୀର ଶିକ୍ଷଣ ବ୍ୟବହାର କରେ - ବିଶେଷ ଭାବରେ, ପ୍ରତିଛବି ସେଗମେଣ୍ଟେସନ୍ ମଡେଲ୍ | ଏହା କିପରି କାର୍ଯ୍ୟ କରେ ତାହାର ସରଳୀକୃତ ସଂସ୍କରଣ ଏଠାରେ ଅଛି:
ପ୍ରଶିକ୍ଷଣ
ଏକ ସ୍ନାୟୁ ନେଟୱାର୍କରେ ଲକ୍ଷ ଲକ୍ଷ ପ୍ରତିଛବି ଦେଖାଯାଏ ଯେଉଁଠାରେ ବିଷୟଟି ପୂର୍ବରୁ ମାନୁଆଲୀ ଚିହ୍ନଟ ହୋଇସାରିଛି (ଲେବଲ୍ ହୋଇଛି) | ସମୟ ସହିତ, ମଡେଲ୍ s ାଞ୍ଚା ଶିଖେ: ଲୋକମାନେ କିପରି ଦେଖାଯାନ୍ତି, ବସ୍ତୁଗୁଡିକ କିପରି ଆକୃତି ହୁଏ, ବିଷୟଗୁଡ଼ିକ ପୃଷ୍ଠଭୂମିଠାରୁ କିପରି ଭିନ୍ନ | ଏହା ଧାର, ଗଠନ, ଏବଂ ପ୍ରସଙ୍ଗ ଚିହ୍ନିବା ଶିଖେ |
2। ସୂଚନା (ମଡେଲ୍ ବ୍ୟବହାର କରି)
ଯେତେବେଳେ ତୁମେ ତାଲିମପ୍ରାପ୍ତ ମଡେଲକୁ ଏକ ନୂତନ ପ୍ରତିଛବି ଦିଅ, ଯାହା ଏହା ପୂର୍ବରୁ କେବେ ଦେଖି ନଥିଲା, ଏହା ପିକ୍ସେଲ ତଥ୍ୟକୁ ବିଶ୍ଳେଷଣ କରେ ଏବଂ ଏକ “ମାସ୍କ” ଉତ୍ପାଦନ କରେ - ଏକ ମାନଚିତ୍ର ଯାହା ପ୍ରତ୍ୟେକ ପିକ୍ସେଲକୁ ପୃଷ୍ଠଭୂମି (ବିଷୟ) କିମ୍ବା ପୃଷ୍ଠଭୂମି ହେବାର ସମ୍ଭାବନା ଦେଇଥାଏ | ଉଚ୍ଚ ଆତ୍ମବିଶ୍ୱାସର ପୃଷ୍ଠଭୂମି ପିକ୍ସେଲଗୁଡିକ ରଖାଯାଏ; ଉଚ୍ଚ ଆତ୍ମବିଶ୍ୱାସ ପୃଷ୍ଠଭୂମି ପିକ୍ସେଲଗୁଡିକ ଅପସାରିତ ହୋଇଛି |
3। ଧାର ନିୟନ୍ତ୍ରଣ |
ପୃଷ୍ଠଭୂମି ଏବଂ ପୃଷ୍ଠଭୂମି ମଧ୍ୟରେ ପରିବର୍ତ୍ତନ ଅତ୍ୟନ୍ତ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ | ଆଧୁନିକ ମଡେଲଗୁଡିକ ହାର୍ଡ ବାଇନାରୀ କଟ୍ ଅପେକ୍ଷା ନରମ ଧାର (ଆଂଶିକ ସ୍ୱଚ୍ଛତା) ସୃଷ୍ଟି କରେ | ଏହା ପ୍ରାକୃତିକ ଦୃଶ୍ୟମାନ ଫଳାଫଳ ସୃଷ୍ଟି କରେ, ବିଶେଷତ complex ଜଟିଳ ଧାରରେ |
GPU ଗୁଡ଼ିକ କାହିଁକି ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ |
ସ୍ନାୟୁ ନେଟୱାର୍କଗୁଡ଼ିକ ଏକାସାଙ୍ଗରେ ହଜାରେ ଗାଣିତିକ କାର୍ଯ୍ୟ ମାଧ୍ୟମରେ ପ୍ରତିଛବି ପ୍ରକ୍ରିୟାକରଣ କରନ୍ତି | GPUs (ଗ୍ରାଫିକ୍ସ ପ୍ରୋସେସିଂ ୟୁନିଟ୍) ଏହି ପ୍ରକାରର ସମାନ୍ତରାଳ ଗଣନା ପାଇଁ ଡିଜାଇନ୍ ହୋଇଛି | ଏକ କାର୍ଯ୍ୟ ଯାହାକି CPU ରେ 30 ସେକେଣ୍ଡ ନେଇପାରେ, ଏକ GPU ରେ 2-3 ସେକେଣ୍ଡରେ ସଂପୂର୍ଣ୍ଣ ହୋଇପାରେ |
ଏହି କାରଣରୁ QuickRemove ପରି ଉପକରଣଗୁଡ଼ିକ NVIDIA, AMD, ଏବଂ Intel GPU ରୁ GPU ତ୍ୱରଣକୁ ସମର୍ଥନ କରେ | ଦ୍ରୁତ ପ୍ରକ୍ରିୟାକରଣ ପାଇଁ AI ମଡେଲ୍ ସିଧାସଳଖ ଆପଣଙ୍କ GPU ରେ ଚାଲିଥାଏ | ଯଦି କ compat ଣସି ସୁସଙ୍ଗତ GPU ଉପଲବ୍ଧ ନାହିଁ, ସଫ୍ଟୱେର୍ CPU ପ୍ରକ୍ରିୟାକରଣକୁ ଫେରିଯାଏ - ଏହା ଏପର୍ଯ୍ୟନ୍ତ କାମ କରେ, କେବଳ ଅଧିକ ସମୟ ନେଇଥାଏ |
AI କ’ଣ ଭଲ ଅଟେ |
- ଲୋକ ଏବଂ ଚିତ୍ର - ଏହା ସବୁଠାରୁ ସାଧାରଣ ବ୍ୟବହାର ମାମଲା, ଏବଂ ମଡେଲଗୁଡିକ ଏହା ଉପରେ ଭଲ ତାଲିମପ୍ରାପ୍ତ |
- ପଶୁ ଏବଂ ଗୃହପାଳିତ ପଶୁ - ମଡେଲଗୁଡିକ ପଶୁ ଏବଂ ପଶୁ ଆକୃତିକୁ ଭଲ ଭାବରେ ପରିଚାଳନା କରନ୍ତି |
- ଉତ୍ପାଦ ଏବଂ ବସ୍ତୁ - ସ୍ୱଚ୍ଛ ସୀମା ସହିତ ସୁ-ପରିଭାଷିତ ବସ୍ତୁ |
- ଯାନବାହନ - କାର, ବାଇକ୍ ଏବଂ ସମାନ ଜିନିଷ |
- ଜଟିଳ ପୃଷ୍ଠଭୂମି - AI ବ୍ୟସ୍ତ, ବିସ୍ତୃତ ପୃଷ୍ଠଭୂମିରୁ ବିଷୟଗୁଡ଼ିକୁ ପୃଥକ କରିପାରିବ |
AI ପାଇଁ ଆହ୍ .ାନ |
- ସ୍ୱଚ୍ଛ ବସ୍ତୁ - ଗ୍ଲାସ, ପାଣି, ଏବଂ ଅନ୍ୟାନ୍ୟ ଦେଖିବା ସାମଗ୍ରୀ କଠିନ ଅଟେ (କ୍ୱିକ୍ ରିମୋଭ୍ ଏଥିପାଇଁ ସ୍ୱତନ୍ତ୍ର ନିୟନ୍ତ୍ରଣ ଅନ୍ତର୍ଭୁକ୍ତ କରେ)
- ରଙ୍ଗର ସମାନତା - ଯେତେବେଳେ ବିଷୟ ଏବଂ ପୃଷ୍ଠଭୂମି ରଙ୍ଗରେ ବହୁତ ସମାନ, ସୀମା ଚିହ୍ନଟ କରିବା କଷ୍ଟକର |
- ଅତ୍ୟଧିକ ଜଟିଳ ଦୃଶ୍ୟ - ଏକାଧିକ ଓଭରଲିପ୍ ବିଷୟ ବା ଅସ୍ପଷ୍ଟ ପୃଷ୍ଠଭୂମି / ପୃଷ୍ଠଭୂମି |
ପରବର୍ତ୍ତୀ ପ୍ରକ୍ରିୟାକରଣ |
AI ପ୍ରାରମ୍ଭିକ ମାସ୍କ ସୃଷ୍ଟି କରିବା ପରେ, ପରବର୍ତ୍ତୀ ପ୍ରକ୍ରିୟାକରଣ ଫଳାଫଳକୁ ବିଶୋଧନ କରେ | କୁଇକ୍ ରିମୋଭ୍ ଅଫର୍ ପରି ଉପକରଣଗୁଡିକ:
- ଧାର ଧାର - ବିଷୟ ଏବଂ ପୃଷ୍ଠଭୂମି ମଧ୍ୟରେ ପରିବର୍ତ୍ତନକୁ ନରମ କରେ |
- ମସୃଣ - ଜାଗା ଧାରକୁ ହ୍ରାସ କରିବା |
- ରଙ୍ଗ ନିଷ୍କାସନ - ରଙ୍ଗ ill ଼ାଳିବା ଅପସାରଣ କରେ ଯେଉଁଠାରେ ମୂଳ ପୃଷ୍ଠଭୂମି ରଙ୍ଗ ବିଷୟ ଧାରରେ ରକ୍ତସ୍ରାବ ହୁଏ |
- ମାନୁଆଲ୍ ବ୍ରଶ୍ / ଇରେଜର - ସୂକ୍ଷ୍ମ ସଂଶୋଧନ ପାଇଁ AI ମିସ୍ ହୋଇପାରେ |
ନିମ୍ନ ରେଖା |
AI ପୃଷ୍ଠଭୂମି ଅପସାରଣ ଏକ ସ୍ଥିତିରେ ପହଞ୍ଚିଛି ଯେଉଁଠାରେ ଏହା ସେକେଣ୍ଡରେ ବୃତ୍ତିଗତ-ଗୁଣାତ୍ମକ ଫଳାଫଳ ଉତ୍ପାଦନ କରେ | ଯଦିଓ ଏହା ପ୍ରତ୍ୟେକ ଦୃଶ୍ୟରେ ସିଦ୍ଧ ନୁହେଁ, ଏହା ସାଧାରଣ ବ୍ୟବହାର ମାମଲାଗୁଡ଼ିକର ଅଧିକାଂଶକୁ ଚିତ୍ତାକର୍ଷକ ସଠିକତା ସହିତ ପରିଚାଳନା କରେ - କେବଳ ଫଟୋଶପ୍ ବିଶେଷଜ୍ଞ ନୁହେଁ, ପୃଷ୍ଠଭୂମି ଅପସାରଣ ସମସ୍ତଙ୍କ ପାଇଁ ଉପଲବ୍ଧ ହୋଇଥାଏ |