DragGAN ইন্টারেক্টিভ এডিটিং
DragGAN আপনাকে আক্ষরিকভাবে পয়েন্টগুলি টেনে নিয়ে একটি চিত্র সম্পাদনা করতে দেয়: একটি স্পট ধরুন এবং এটি একটি লক্ষ্যে টেনে আনুন, এবং ছবি বাস্তবসম্মতভাবে বিকৃত হয়, ভঙ্গি, আকৃতি বা অভিব্যক্তি পরিবর্তন করে।
ওভারভিউ
It matters because it makes precise, intuitive image manipulation possible without sliders, masks, or text prompts.
গভীর ডুব
প্যান, তেওয়ারি, লেইমকুহলার এবং ম্যাক্স প্ল্যাঙ্ক এবং অংশীদারদের (SIGGRAPH 2023) সহকর্মীদের থেকে DragGAN, GAN-উত্পাদিত চিত্রগুলির পয়েন্ট-ভিত্তিক ইন্টারেক্টিভ সম্পাদনা চালু করেছে। ব্যবহারকারী একটি চিত্রের উপর এক বা একাধিক 'হ্যান্ডেল' পয়েন্ট রাখে এবং সংশ্লিষ্ট 'টার্গেট' পয়েন্ট যেখানে তাদের সরানো উচিত। DragGAN তারপরে সুপ্ত কোডটিকে পুনরাবৃত্তভাবে নাজ করে যাতে প্রতিটি হ্যান্ডেলের নীচের বিষয়বস্তু তার লক্ষ্যের দিকে স্লাইড করে যখন বাকি চিত্রটি সুসংগত থাকে। আপনি একটি প্রাণীর পা লম্বা করতে পারেন, একজন ব্যক্তিকে হাসাতে পারেন, একটি গাড়ি ঘোরাতে পারেন, বা একটি ল্যান্ডস্কেপের রূপ পরিবর্তন করতে পারেন, সবই টেনে এনে৷ গুরুত্বপূর্ণভাবে, সম্পাদনাগুলি শেখা চিত্রকে বহুগুণে সম্মান করে, তাই ফলাফলগুলি পিক্সেলগুলিকে দাগ দেওয়ার পরিবর্তে বাস্তবসম্মত থাকে। একটি ঐচ্ছিক মুখোশ সীমাবদ্ধ করে যে কোন অঞ্চলগুলি সরানোর অনুমতি দেওয়া হয়েছে, সূক্ষ্ম স্থানীয় নিয়ন্ত্রণ প্রদান করে।
প্রযুক্তিগত অন্তর্দৃষ্টি
DragGAN একটি পূর্বপ্রশিক্ষিত GAN এর সুপ্ত এবং বৈশিষ্ট্যযুক্ত স্থানে কাজ করে। এটি দুটি বিকল্প পদক্ষেপ ব্যবহার করে: গতি তত্ত্বাবধান, যা সুপ্ত কোডকে স্থানান্তরিত করে যাতে প্রতিটি হ্যান্ডেলের কাছাকাছি বৈশিষ্ট্যগুলি লক্ষ্যের দিকে চলে যায়, এবং পয়েন্ট ট্র্যাকিং, যা বৈশিষ্ট্য মানচিত্রগুলিতে নিকটতম-প্রতিবেশী অনুসন্ধান ব্যবহার করার জন্য যে বৈশিষ্ট্যটি নোঙ্গর করা হয়েছিল সেটি অনুসরণ করতে হ্যান্ডেলটিকে স্থানান্তরিত করে। এই পদক্ষেপগুলি পুনরাবৃত্তি করলে চিত্রটি GAN বহুগুণ বরাবর চলে যায়, মসৃণ, বাস্তবসম্মত বিকৃতি তৈরি করে।
কৌশলগত প্রভাব
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।
DragGAN ইন্টারেক্টিভ এডিটিং এর ভবিষ্যত
DragGAN দ্রুত ফলো-আপ কাজ শুরু করেছে যা ডিফিউশন মডেলগুলিতে (যেমন DragDiffusion এবং FreeDrag) ড্র্যাগ-ভিত্তিক নিয়ন্ত্রণ নিয়ে এসেছে, যা একা GAN-এর চেয়ে আরও দৃঢ়ভাবে বাস্তব ফটো এবং অবাধ বিষয়বস্তু পরিচালনা করে। ড্র্যাগ এডিটিং সৃজনশীল সফ্টওয়্যারে একটি আদর্শ টুল হয়ে উঠবে, পাঠ্য এবং অঞ্চল নিয়ন্ত্রণের সাথে মিলিত হবে এবং ভিডিও এবং 3D-এ প্রসারিত হবে যাতে ব্যবহারকারীরা ফটোরিয়ালিজম সংরক্ষণের সময় ফ্রেম জুড়ে অবজেক্ট পোজ করতে পারে বা মেশগুলিকে ইন্টারেক্টিভভাবে পুনরায় আকার দিতে পারে।
বাস্তব-বিশ্ব বাস্তবায়ন
মুখের বিন্দু টেনে পোর্ট্রেটের অভিব্যক্তি, দৃষ্টির দিক বা চুলের স্টাইল সামঞ্জস্য করা
একটি প্রাণী বা গাড়ির ভঙ্গি এবং অভিযোজন পরিবর্তন করা, যেমন একটি গাড়ি ঘোরানো বা সিংহের মাথার স্থান পরিবর্তন করা
ডিজাইন মকআপের জন্য পণ্যের ফটোগুলিকে (দীর্ঘ করা, প্রশস্ত করা বা রিপোজ করা)
কনট্যুর টেনে ল্যান্ডস্কেপ বা ফ্যাশন ইমেজ ফাইন-টিউনিং, যেমন পাহাড়ের আকার পরিবর্তন করা বা পোশাকের ফিট
ঝুঁকি এবং প্রহরী
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।
বাস্তবায়ন রোডম্যাপ
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
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the DragGAN Interactive Editing quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
পরবর্তী গাইড
টিউন-এ-ভিডিও ওয়ান-শট এডিটিং
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
What is DragGAN Interactive Editing?
DragGAN আপনাকে আক্ষরিকভাবে পয়েন্টগুলি টেনে নিয়ে একটি চিত্র সম্পাদনা করতে দেয়: একটি স্পট ধরুন এবং এটি একটি লক্ষ্যে টেনে আনুন, এবং ছবি বাস্তবসম্মতভাবে বিকৃত হয়, ভঙ্গি, আকৃতি বা অভিব্যক্তি পরিবর্তন করে। এটি গুরুত্বপূর্ণ কারণ এটি স্লাইডার, মাস্ক বা পাঠ্য প্রম্পট ছাড়াই সুনির্দিষ্ট, স্বজ্ঞাত চিত্র ম্যানিপুলেশন সম্ভব করে তোলে।
কিভাবে একজন ব্যবহারকারী DragGAN এ একটি চিত্র সম্পাদনা করে?
DragGAN কাজ সম্পাদনা করে হ্যান্ডেল পয়েন্ট স্থাপন করে এবং সেগুলিকে টার্গেট লোকেশনে টেনে নিয়ে, সেই অনুযায়ী ছবিকে বিকৃত করে।
DragGAN এর দুটি বিকল্প মূল পদক্ষেপ কি?
DragGAN বিকল্প গতি তত্ত্বাবধান (লক্ষ্যের দিকে বৈশিষ্ট্যগুলি সরানো) এবং পয়েন্ট ট্র্যাকিং (হ্যান্ডলগুলি পুনঃ-লোকেটিং), না হওয়া পর্যন্ত পুনরাবৃত্তি করে।
কেন ড্র্যাগগান সম্পাদনাগুলি দাগযুক্ত না হয়ে বাস্তবসম্মত দেখায়?
যেহেতু ম্যানিপুলেশন একটি পূর্বপ্রশিক্ষিত GAN এর সুপ্ত স্থানে ঘটে, আউটপুটগুলি বাস্তবসম্মত চিত্রের বহুগুণে থাকে।
DragGAN-এ ঐচ্ছিক মাস্ক কী নিয়ন্ত্রণ করে?
একটি মুখোশ ব্যবহারকারীদের সম্পাদনাগুলিকে নির্বাচিত অঞ্চলে সীমাবদ্ধ করতে দেয় যাতে বাকি চিত্র স্থির থাকে।
2023 সালে কোন ভেন্যুতে DragGAN উল্লেখযোগ্যভাবে উপস্থাপিত হয়েছিল?
DragGAN SIGGRAPH 2023 এ প্রকাশিত হয়েছিল, একটি শীর্ষস্থানীয় কম্পিউটার গ্রাফিক্স কনফারেন্স।