পরবর্তী আপপরবর্তী গাইড
গাঁদা বিচ্ছুরণ গভীরতা অনুমান
ভিজ্যুয়াল এআই
ভিজ্যুয়াল এআই গাইড
স্টিরিও গভীরতার অনুমান আপনার দুটি চোখের মতো দুটি সামান্য অফসেট ক্যামেরা দৃশ্যের তুলনা করে জিনিসগুলি কতটা দূরে তা পুনরুদ্ধার করে৷
এই নির্দেশিকা শুনুনএআই-বর্ণিত · ~2 min
It turns flat images into 3D distance maps that robots, cars, and phones rely on to understand space.
স্টেরিও গভীরতা অনুমান একটি নির্দিষ্ট দূরত্ব (বেসলাইন) আলাদা দুটি ক্যামেরা ব্যবহার করে। বিশ্বের একই বিন্দু বাম এবং ডান চিত্রে সামান্য ভিন্ন অনুভূমিক অবস্থানে অবতরণ করে এবং সেই পরিবর্তনকে অসমতা বলা হয়। কাছাকাছি বস্তু অনেক স্থানান্তর; দূরের লোকেরা খুব কমই চলে। গভীরতা (ফোকাল দৈর্ঘ্য x বেসলাইন) / অসমতা হিসাবে গণনা করা হয়, তাই গভীরতা এবং অসমতা বিপরীতভাবে সম্পর্কিত। কঠিন অংশটি হল দুটি চিত্রের মধ্যে পিক্সেলের মিল, বিশেষত প্লেইন দেয়ালে, পুনরাবৃত্তি করা প্যাটার্ন বা প্রতিফলিত পৃষ্ঠের যেখানে অনেক পিক্সেল একই রকম দেখায়। ক্লাসিক পদ্ধতি যেমন সেমি-গ্লোবাল ম্যাচিং স্ক্যানলাইন বরাবর স্ক্যান করে, যখন আধুনিক গভীর নেটওয়ার্ক যেমন PSMNet এবং RAFT-Stereo সমৃদ্ধ বৈশিষ্ট্যগুলি শিখে এবং অসমতাকে পুনরাবৃত্তিমূলকভাবে পরিমার্জন করে, এমনকি জটিল অঞ্চলেও ঘন, সঠিক গভীরতা তৈরি করে।
স্ব-ড্রাইভিং এবং ড্রাইভার-অ্যাসিস্ট সিস্টেমগুলি গাড়ি, পথচারীদের দূরত্ব পরিমাপ করতে এবং ব্রেকিং এবং লেন রাখার জন্য কার্ব ব্যবহার করে।
গুদাম এবং কৃষি রোবটগুলি বস্তুগুলিকে উপলব্ধি করতে, বাধা এড়াতে এবং সঠিক গভীরতায় ফল বাছাই করতে 3D মানচিত্র তৈরি করে।
পাসথ্রু ডিভাইসের মতো AR/VR হেডসেটগুলি ঘরের জ্যামিতি অনুমান করে যাতে ভার্চুয়াল বস্তুগুলি বাস্তব পৃষ্ঠে সঠিকভাবে বসে।
মঙ্গল গ্রহের রোভারগুলি (যেমন, অধ্যবসায়) জিপিএস ছাড়াই পাথুরে ভূখণ্ডে নিরাপদ পথের পরিকল্পনা করতে স্টেরিও নেভিগেশন ক্যামেরা ব্যবহার করে।
LiDAR, রাডার এবং মনোকুলার সংকেতের সাথে স্টেরিওর আরও শক্ত ফিউশন আশা করুন যাতে একটি সেন্সর ব্যর্থ হলে সিস্টেমগুলি সুন্দরভাবে অবনমিত হয়। ট্রান্সফরমার-ভিত্তিক ম্যাচিং এবং স্ব-তত্ত্বাবধানে প্রশিক্ষণ (গ্রাউন্ড-ট্রুথ গভীরতা ছাড়াই কাঁচা ভিডিও থেকে শেখা) ব্যয়বহুল লেবেলযুক্ত ডেটার প্রয়োজনীয়তা হ্রাস করছে। ড্রোন, এআর চশমা এবং সস্তা রোবটগুলিতে রিয়েল-টাইম স্টেরিও স্থাপন করে ডিভাইসের কার্যকারিতা দ্রুত উন্নতি করছে। ইভেন্ট ক্যামেরা এবং শেখা সক্রিয় নিদর্শনগুলি এমনকি কম আলো, গতির অস্পষ্টতা এবং টেক্সচারহীন দৃশ্যগুলিতেও নির্ভরযোগ্য গভীরতার প্রতিশ্রুতি দেয় যা আজকের পদ্ধতিগুলিকে পরাজিত করে।
ফ্রি নিউজলেটার
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
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
স্টিরিও গভীরতার অনুমান আপনার দুটি চোখের মতো দুটি সামান্য অফসেট ক্যামেরা দৃশ্যের তুলনা করে জিনিসগুলি কতটা দূরে তা পুনরুদ্ধার করে৷ এটি সমতল চিত্রগুলিকে 3D দূরত্বের মানচিত্রে পরিণত করে যা রোবট, গাড়ি এবং ফোনগুলি স্থান বোঝার জন্য নির্ভর করে।
বৈষম্য হল দুটি সংশোধন করা দৃষ্টিভঙ্গির মধ্যে একটি সংশ্লিষ্ট বিন্দু কতদূর অনুভূমিকভাবে সরে যায়; বৃহত্তর বৈষম্য মানে বস্তুটি কাছাকাছি।
গভীরতা = (ফোকাল দৈর্ঘ্য x বেসলাইন) / বৈষম্য, তাই অসমতা সঙ্কুচিত হওয়ার সাথে সাথে আনুমানিক গভীরতা বৃদ্ধি পায়। দূরের বস্তুর ক্ষুদ্র বৈষম্য আছে।
সংশোধনী উভয় চিত্রকে বিকৃত করে যাতে মিলগুলি একটি অনুভূমিক রেখায় সীমাবদ্ধ থাকে, একটি 2D অনুসন্ধানকে একটি দ্রুত 1D অনুসন্ধানে পরিণত করে৷
টেক্সচারহীন বা পুনরাবৃত্তিমূলক পৃষ্ঠগুলি অনেক পিক্সেলকে একই রকম দেখায়, তাই অ্যালগরিদম আত্মবিশ্বাসের সাথে সঠিক মিল খুঁজে পায় না।
বেসলাইন হল দুটি ক্যামেরা কেন্দ্রের মধ্যে বিচ্ছেদ; একটি বিস্তৃত বেসলাইন দূরবর্তী বস্তুর জন্য সঠিকতা উন্নত করে।
শিখতে থাকুন
এই বিষয়ের জন্য বাছাই করা আরও গাইড
পরবর্তী আপপরবর্তী গাইড
গাঁদা বিচ্ছুরণ গভীরতা অনুমান
ভিজ্যুয়াল এআই