পরবর্তী আপপরবর্তী গাইড
Pix2Pix ইমেজ থেকে ইমেজ অনুবাদ
ভিজ্যুয়াল এআই
ভিজ্যুয়াল এআই গাইড
সাইকেলগান আনপেয়ারড অনুবাদ
সাইকেলগান দুটি ভিজ্যুয়াল ডোমেনের মধ্যে ছবি অনুবাদ করতে শেখে (যেমন ঘোড়া থেকে জেব্রা, অথবা ছবি থেকে পেইন্টিং) আগে-পরে উদাহরণ জোড়ার প্রয়োজন ছাড়াই।
এই নির্দেশিকা শুনুনএআই-বর্ণিত · ~2 min
এই পৃষ্ঠায়2 মিনিট পঠিত
ওভারভিউ
এটি গুরুত্বপূর্ণ কারণ জুটিবদ্ধ প্রশিক্ষণ ডেটা সংগ্রহ করা প্রায়শই অসম্ভব, এবং CycleGAN অগোছালো বাস্তব-বিশ্ব ডেটাসেটের জন্য শৈলী স্থানান্তর আনলক করে।
গভীর ডুব
2017 সালে Zhu, Park, Isola, এবং Efros দ্বারা প্রবর্তিত, CycleGAN জোড়াবিহীন ইমেজ-টু-ইমেজ অনুবাদকে মোকাবেলা করে। সবচেয়ে আগের পদ্ধতিতে (যেমন pix2pix) সঠিক জোড়ার প্রয়োজন ছিল: একটি ফটো এবং একটি স্কেচ হিসাবে একই দৃশ্য। CycleGAN দুটি জেনারেটর (G ডোমেইন A কে B তে রূপান্তর করে, F B কে A তে রূপান্তর করে) এবং দুটি বৈষম্যকারী যা প্রতিটি ডোমেনে বাস্তবতাকে বিচার করে ব্যবহার করে সেই প্রয়োজনীয়তা দূর করে। যুগান্তকারী হল চক্র-সংগতি হারানো: আপনি যদি একটি ঘোড়ার ছবি একটি জেব্রাতে অনুবাদ করেন এবং এটিকে আবার অনুবাদ করেন, তাহলে আপনার আসল ঘোড়াটি পুনরুদ্ধার করা উচিত। এই সীমাবদ্ধতা জেনারেটরকে নির্বিচারে আউটপুট উদ্ভাবন করতে বাধা দেয় এবং অর্থপূর্ণ, বিষয়বস্তু-সংরক্ষণকারী ম্যাপিংগুলিকে বাধ্য করে। এটি বিখ্যাতভাবে গ্রীষ্মের ল্যান্ডস্কেপকে শীতে পরিণত করে, মোনেট পেইন্টিংগুলিকে ফটোতে এবং আপেলকে কমলাতে পরিণত করে, সবই দুটি সম্পর্কহীন চিত্রের স্তূপ থেকে শিখেছে।
বাস্তব-বিশ্ব বাস্তবায়ন
পেয়ার করা ফটো-পেইন্টিং উদাহরণ ছাড়াই মনিট, ভ্যান গগ বা সেজানের পেইন্টিং শৈলীতে ফটোগ্রাফগুলিকে পরিণত করা
ফিল্ম এবং গেম সম্পদ তৈরির জন্য গ্রীষ্মের ল্যান্ডস্কেপ ফটোগুলিকে শীতকালীন দৃশ্যে (এবং এর বিপরীতে) রূপান্তর করা হচ্ছে
চিকিৎসা গবেষণায় এমআরআই স্ক্যানগুলিকে সিটি-সদৃশ চিত্রগুলিতে অনুবাদ করা যেখানে জোড়াযুক্ত রোগীর স্ক্যানগুলি অনুপলব্ধ
স্বায়ত্তশাসিত যানবাহন উপলব্ধি প্রশিক্ষণের জন্য ফটোরিয়ালিস্টিক দেখতে সিন্থেটিক ড্রাইভিং-সিমুলেটর ফুটেজকে অভিযোজিত করা
সাইকেলগান আনপেয়ারড ট্রান্সলেশনের ভবিষ্যত
CycleGAN-এর মূল ধারণা, চক্রের সামঞ্জস্য, আধুনিক আন-পেয়ার করা অনুবাদের কাজে বেঁচে থাকে, যার মধ্যে রয়েছে ডিফিউশন-ভিত্তিক পদ্ধতি যা তীক্ষ্ণ, আরও বৈচিত্র্যময় আউটপুট সহ মডেলগুলিকে ডিনোইসিং করার জন্য GAN ব্যাকবোনগুলিকে অদলবদল করে। গবেষকরা এখন মেডিক্যাল ইমেজিং (স্ক্যান পদ্ধতির সংশ্লেষণ), স্ব-ড্রাইভিং সিমুলেশন-টু-রিয়েল ট্রান্সফারের জন্য ডোমেন অভিযোজন, এবং ডেটা বৃদ্ধিতে যুক্তহীন অনুবাদ প্রয়োগ করেন। কী স্থির থাকে বনাম কী পরিবর্তন হয় তার উপর আরও কঠোর নিয়ন্ত্রণের প্রত্যাশা করুন, পাশাপাশি হাইব্রিড পাঠ্য-কন্ডিশনড ডিফিউশন সম্পাদনার সাথে চক্রের সীমাবদ্ধতাগুলিকে মিশ্রিত করে।
এটাকে বাস্তবে প্রয়োগ করা হচ্ছে
কেন এটা গুরুত্বপূর্ণ
- গতি এবং স্কেল. ভিজ্যুয়াল এআই স্কেলে পরিদর্শন, সনাক্তকরণ এবং ট্যাগিং কাজগুলি স্বয়ংক্রিয়ভাবে করতে পারে।
- পছন্দগুলি তৈরি করুন. সৃজনশীল দলগুলি কম ম্যানুয়াল সংশোধন সহ ধারণাগুলিকে দ্রুত প্রোটোটাইপ করতে পারে।
- টিম এবং ওয়ার্কফ্লো. অপারেশনগুলি ইমেজ এবং ভিডিও সংকেত ব্যবহার করতে পারে যা আগে প্রক্রিয়া করা কঠিন ছিল।
জন্য সতর্ক
- প্রমাণ অস্পষ্ট হলে ছবির অধিকার এবং সম্মতি আইনি ঝুঁকিতে পরিণত হতে পারে।
- মডেলের কর্মক্ষমতা আলো, জনসংখ্যা এবং পরিবেশ জুড়ে পরিবর্তিত হতে পারে।
- আস্থার থ্রেশহোল্ডগুলি পর্যবেক্ষণ করা না হলে মিথ্যা ইতিবাচকগুলি অলক্ষিত হতে পারে।
পরবর্তী পদক্ষেপ
- নির্ভুলতা, প্রত্যাহার, এবং ত্রুটি খরচের জন্য গ্রহণযোগ্যতার মানদণ্ড নির্ধারণ করুন।
- প্রকৃত উৎপাদন অবস্থার সাথে মেলে এমন ডেটা দিয়ে পরীক্ষা করুন।
- কম-আস্থা বা উচ্চ-প্রভাব ভবিষ্যদ্বাণীর জন্য মানুষের পর্যালোচনা যোগ করুন।
- মডেল ড্রিফ্ট ট্র্যাক করুন এবং ক্যামেরা বা ডেটাসেট পরিবর্তনের পরে পুনরায় যাচাই করুন।
অন্বেষণ চালিয়ে যান
ফ্রি নিউজলেটার
প্রতিদিনের এআই ব্রিফিং পান
প্রতি সপ্তাহের কাজের দিন সকালে তিনটি যাচাইকৃত এআই স্টোরি, সহজ ইংরেজিতে লেখা। চিরকালের জন্য ফ্রি, কোনো বিজ্ঞাপন নেই।
প্রতি সপ্তাহের কাজের দিনে একটি ইমেল। এক ক্লিকেই আনসাবস্ক্রাইব করুন। আমরা কখনোই আপনার ঠিকানা বিক্রি বা শেয়ার করি না।
নিজেকে পরীক্ষা করুন
Take the CycleGAN Unpaired Translation quiz
প্রতিটি উত্তরের তাৎক্ষণিক ফিডব্যাক, এবং কোর্স পাস করার পর যাচাইযোগ্য আইডি সহ একটি শেয়ারযোগ্য সার্টিফিকেট।
ফ্রি এআই শিক্ষাকে সমর্থন করুন। AI Understanding একটি 501(c)(3) অলাভজনক প্রতিষ্ঠান — কোনো বিজ্ঞাপন নেই, কোনো পেওয়াল নেই, কখনোই না। একটি দান করুন
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
CycleGAN আনপেয়ারড অনুবাদ কি?
সাইকেলগান দুটি ভিজ্যুয়াল ডোমেনের মধ্যে ছবি অনুবাদ করতে শেখে (যেমন ঘোড়া থেকে জেব্রা, অথবা ছবি থেকে পেইন্টিং) আগে-পরে উদাহরণ জোড়ার প্রয়োজন ছাড়াই। এটি গুরুত্বপূর্ণ কারণ জুটিবদ্ধ প্রশিক্ষণ ডেটা সংগ্রহ করা প্রায়শই অসম্ভব, এবং CycleGAN অগোছালো বাস্তব-বিশ্ব ডেটাসেটের জন্য শৈলী স্থানান্তর আনলক করে।
সাইকেলগান কোন মূল সমস্যাটি সমাধান করে যা পিক্স২পিক্সের মতো আগের পদ্ধতিগুলি করতে পারেনি?
CycleGAN-এর প্রধান অবদান হল জোড়াবিহীন অনুবাদ, সঠিক জোড়ার পরিবর্তে দুটি সম্পর্কহীন ছবি সংগ্রহ থেকে ডোমেনের মধ্যে ম্যাপিং শেখা।
চক্র-সংগতি ক্ষতি কি বলবৎ করে?
চক্রের সামঞ্জস্য মানে F(G(x)) x সমান হওয়া উচিত: একটি ঘোড়া একটি জেব্রাতে পরিণত হয়েছে এবং পিঠটি আসল ঘোড়ার মতো হওয়া উচিত।
একটি স্ট্যান্ডার্ড সাইকেলগান কয়টি জেনারেটর ব্যবহার করে?
CycleGAN দুটি জেনারেটর ব্যবহার করে, প্রতিটি অনুবাদের জন্য একটি (A থেকে B এবং B থেকে A), পাশাপাশি দুটি বৈষম্যকারী।
CycleGAN সাধারণত কোন ধরনের বৈষম্যকারী ব্যবহার করে?
CycleGAN একটি PatchGAN বৈষম্যকারী ব্যবহার করে যা ওভারল্যাপিং প্যাচগুলিকে আসল বা নকল হিসাবে বিচার করে, স্থানীয় বাস্তববাদকে উত্সাহিত করে।
কেন কখনও কখনও সাইকেলগানে পরিচয় হারানো হয়?
আইডেন্টিটি লস অপ্রয়োজনীয় পরিবর্তনগুলিকে শাস্তি দেয় যখন একটি ছবি ইতিমধ্যেই টার্গেট ডোমেনে থাকে, রঙ এবং আভা সংরক্ষণ করতে সহায়তা করে।
শিখতে থাকুন
সম্পর্কিত গাইড
এই বিষয়ের জন্য বাছাই করা আরও গাইড