ভিজ্যুয়াল এআই গাইড

কেন এআই ইমেজ জেনারেটর হাত ভুল হয়

এআই ইমেজ জেনারেটরের হাত ভুল হয় কারণ হাত ছোট, অত্যন্ত নমনীয়, প্রায়ই আংশিকভাবে লুকানো থাকে এবং খুব কমই ক্যাপশনে বর্ণনা করা হয়।

এই নির্দেশিকা শুনুনএআই-বর্ণিত · ~3 min

এই পৃষ্ঠায়4 মিনিট পড়া
  1. ওভারভিউ
  2. গভীর ডুব
  3. বাস্তব-বিশ্ব বাস্তবায়ন
  4. এআই ইমেজ জেনারেটর কেন হাত ভুল হয় তার ভবিষ্যত
  5. এটাকে বাস্তবে প্রয়োগ করা হচ্ছে
  6. অন্বেষণ চালিয়ে যান
  7. প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী

ওভারভিউ

মডেলরা তাদের গঠন নির্ভরযোগ্যভাবে না শিখে পৃষ্ঠের উপর হাত দেখতে কেমন তা শেখে, যেমন প্রতি হাতে পাঁচটি আঙ্গুল। হাতের ত্রুটিগুলি কৃত্রিম চিত্রগুলির একটি সুপরিচিত চিহ্ন হয়ে উঠেছে, এবং সেগুলি কেন ঘটে তা বোঝার ফলে নতুন মডেলগুলি কীভাবে উন্নত হয়েছে এবং কেন আঙ্গুলগুলি গণনা করা এখন আর নকল শনাক্ত করার নির্ভরযোগ্য উপায় নয়।

গভীর ডুব

ডিফিউশন মডেলগুলি কোটি কোটি ইমেজ-ক্যাপশন জোড়া থেকে রিভার্স যোগ করা শব্দ শেখার মাধ্যমে শেখে। তারা স্থানীয় ভিজ্যুয়াল প্যাটার্নগুলিতে খুব ভাল হয়ে ওঠে: ত্বকের গঠন, আলো, একটি হাতের সাধারণ চেহারা। যা তারা কখনই পায় না তা হল একটি সুস্পষ্ট নিয়ম যে একটি হাতের পাঁচটি আঙুল একটি নির্দিষ্ট ক্রমে একটি তালুতে যুক্ত থাকে। বেশ কিছু কারণ হাত শক্ত করে। হাত বেশিরভাগ ফটোর একটি ছোট অংশ নেয়, তাই তারা কয়েক পিক্সেল পায়। Stable Diffusion-এর মতো সুপ্ত বিচ্ছুরণ মডেলগুলিও তৈরি করার আগে প্রতিটি মাত্রায় আটটি ফ্যাক্টর দ্বারা চিত্রগুলিকে সঙ্কুচিত করে, যা একটি হাতকে শুধুমাত্র গুটিকয়েক সুপ্ত কোষ ছেড়ে দিতে পারে। হাতগুলি একটি বিশাল পরিসরে ভঙ্গি করে, বস্তুগুলিকে আঁকড়ে ধরে, একে অপরকে ওভারল্যাপ করে এবং প্রায়শই আংশিকভাবে লুকানো থাকে, তাই প্রশিক্ষণের ডেটা অসম্পূর্ণ দৃশ্যে পূর্ণ। আঙ্গুলগুলি একই রকম দেখায়, তাই 'আঙুল, আঙুল, আঙুল' তৈরি করা একটি মডেল কখন থামতে হবে তা বলার কোনও শক্তিশালী সংকেত নেই৷ ক্যাপশন প্রায় কখনোই হাত উল্লেখ করে না, তাদের ভঙ্গি ছেড়ে দিন, তাই প্রম্পট সামান্য নির্দেশনা দেয়। ফলাফল হল পরিচিত ত্রুটিগুলির একটি সেট: অতিরিক্ত বা অনুপস্থিত আঙ্গুল, ফিউজ করা অঙ্ক, ভুল দিকে থাম্বস, এবং হাতগুলি বস্তু বা অন্য লোকেদের মধ্যে গলে যাচ্ছে। একই কারণে দাঁত, কান এবং গয়না ভুল হয়ে যায়। নতুন সিস্টেম এই ব্যর্থতা হ্রাস করেছে। বৃহত্তর মডেল, উচ্চ প্রশিক্ষণ রেজোলিউশন, ভাল ফিল্টার করা এবং ক্যাপশন করা ডেটা, ট্রান্সফরমার-ভিত্তিক আর্কিটেকচার এবং মানুষের পছন্দের রেটিংগুলিতে সূক্ষ্ম-টিউনিং সবই সাহায্য করেছে। 2023 সালে Midjourney এর সংস্করণ 5 ভাল হাতের জন্য ব্যাপকভাবে উল্লেখ করা হয়েছিল, এবং পরবর্তীতে বেশ কয়েকটি ল্যাবের মডেলগুলি আরও উন্নত হয়েছে। ত্রুটিগুলি অদৃশ্য হয়ে যায়নি, যদিও, বিশেষত জটিল ভঙ্গিতে, ভিড় এবং হাত ধরে থাকা জিনিসগুলিতে। একটি সাধারণ ভুল ধারণা হল যে মডেল 'গণনা করতে পারে না'। এটা বলা আরও সঠিক যে এটি পরিসংখ্যানগতভাবে চেহারা শেখে, এবং সঠিক কাঠামো তখনই আবির্ভূত হয় যখন ডেটা এবং মডেলের ক্ষমতা যথেষ্ট হয়।

বাস্তব-বিশ্ব বাস্তবায়ন

একটি প্রারম্ভিক Stable Diffusion পোর্ট্রেট দেখায় যে কেউ একটি কফির কাপটি তার চারপাশে মোড়ানো ছয়টি আঙ্গুল দিয়ে ধরে রেখেছে, এটি একটি সাধারণ ব্যর্থতা যখন একটি মডেল অনেকগুলি ওভারল্যাপিং গ্রিপ পোজকে মিশ্রিত করে।

একটি পুরানো মডেলের একটি গ্রুপ দৃশ্য দুটি মানুষের হাত যেখানে তারা স্পর্শ করে সেখানে একত্রিত করে, কারণ মডেলটির কোন দৃঢ় ধারণা নেই যে একটি দেহ কোথায় শেষ হবে এবং অন্যটি শুরু হবে।

একজন শিল্পী একটি কন্ট্রোলনেট ওপেনপোজ বা তার নিজের হাতের ফটো থেকে তৈরি গভীরতার মানচিত্র একটি সঠিক পোজ দিতে বাধ্য করেন, তারপরে অবশিষ্ট ত্রুটিগুলিকে পেইন্ট করেন৷

একজন ফ্যাক্ট-চেকার নোট করেছেন যে সন্দেহভাজন জালটির পুরোপুরি স্বাভাবিক হাত রয়েছে, এটি একটি অনুস্মারক যে নতুন জেনারেটর প্রায়শই সঠিকভাবে হাত আঁকে এবং অন্যান্য সূত্রের প্রয়োজন হয়।

এআই ইমেজ জেনারেটর কেন হাত ভুল হয় তার ভবিষ্যত

মডেলের বৃদ্ধি এবং প্রশিক্ষণের ডেটার উন্নতির সাথে সাথে হাতের ত্রুটিগুলি সম্ভবত সঙ্কুচিত হতে থাকবে, তবে অস্বাভাবিক ভঙ্গি, আন্তঃলক করা হাত এবং হাতের হেরফেরকারী বস্তুগুলি একটি সাধারণ খোলা তালুর চেয়ে কঠিন থাকে। ভিডিও জেনারেশন সমস্যার একটি নতুন সংস্করণ যোগ করে, কারণ আঙ্গুলগুলি অবশ্যই ফ্রেম থেকে ফ্রেমে সামঞ্জস্যপূর্ণ থাকতে হবে। সত্যতা বিচার করার জন্য যে কেউ, হাত চেক একটি দুর্বল সংকেত. একটি বিকৃত হাত এখনও পরামর্শ দেয় যে একটি চিত্র তৈরি করা হয়েছে, কিন্তু একটি সঠিক হাত কিছুই প্রমাণ করে না। প্রোভেনেন্স রেকর্ড এবং ওয়াটারমার্কগুলি শারীরবৃত্তি পরীক্ষা করার চেয়ে বেশি নির্ভরযোগ্য।

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

  1. নির্ভুলতা, প্রত্যাহার, এবং ত্রুটি খরচের জন্য গ্রহণযোগ্যতার মানদণ্ড নির্ধারণ করুন।
  2. প্রকৃত উৎপাদন অবস্থার সাথে মেলে এমন ডেটা দিয়ে পরীক্ষা করুন।
  3. কম-আস্থা বা উচ্চ-প্রভাব ভবিষ্যদ্বাণীর জন্য মানুষের পর্যালোচনা যোগ করুন।
  4. 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 Why AI Image Generators Get Hands Wrong quiz

প্রতিটি উত্তরের তাৎক্ষণিক ফিডব্যাক, এবং কোর্স পাস করার পর যাচাইযোগ্য আইডি সহ একটি শেয়ারযোগ্য সার্টিফিকেট।

কুইজ শুরু করুন

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

কেন এআই ইমেজ জেনারেটর হাত ভুল হয়?

এআই ইমেজ জেনারেটরের হাত ভুল হয় কারণ হাত ছোট, অত্যন্ত নমনীয়, প্রায়ই আংশিকভাবে লুকানো থাকে এবং খুব কমই ক্যাপশনে বর্ণনা করা হয়। মডেলরা তাদের গঠন নির্ভরযোগ্যভাবে না শিখে পৃষ্ঠের উপর হাত দেখতে কেমন তা শেখে, যেমন প্রতি হাতে পাঁচটি আঙ্গুল। হাতের ত্রুটিগুলি কৃত্রিম চিত্রগুলির একটি সুপরিচিত চিহ্ন হয়ে উঠেছে, এবং সেগুলি কেন ঘটে তা বোঝার ফলে নতুন মডেলগুলি কীভাবে উন্নত হয়েছে এবং কেন আঙ্গুলগুলি গণনা করা এখন আর নকল শনাক্ত করার নির্ভরযোগ্য উপায় নয়।

গাইডের মতে, একটি ডিফিউশন মডেল প্রধানত ইমেজ-ক্যাপশন জোড়া থেকে কী শিখে?

মডেলগুলি পরিসংখ্যানগতভাবে কীভাবে দেখায় তা শিখে। প্রশিক্ষণের কিছুই তাদের একটি সুস্পষ্ট নিয়ম দেয় না যে একটি হাতের পাঁচটি আঙ্গুল রয়েছে।

Stable Diffusion-এ সুপ্ত কম্প্রেশন কীভাবে হাতকে আঁকতে কঠিন করে তোলে?

একটি ছোট হাত যা প্রতিটি মাত্রায় আটগুণ সঙ্কুচিত হয় পাঁচটি স্বতন্ত্র আঙ্গুলের প্রতিনিধিত্ব করার জন্য খুব কম জায়গা দিয়ে শেষ হয়।

ক্যাপশন কেন মডেলদের হাতে সামান্য সাহায্য দেয়?

হাতের ভঙ্গি বর্ণনা করা পাঠ্য ছাড়া, মডেলটি হাতের কাঠামোর সাথে প্রম্পট শব্দগুলিকে লিঙ্ক করতে পারে না।

কোন Midjourney সংস্করণ নির্দেশিকা বলেছে যে 2023 সালে ভাল হাতের জন্য ব্যাপকভাবে উল্লেখ করা হয়েছিল?

Midjourney-এর সংস্করণ 5, 2023 সালে প্রকাশিত হয়েছে, উন্নত হাতের জন্য ব্যাপকভাবে উল্লেখ করা হয়েছে, এটি স্কেলিং এবং আরও ভাল ডেটার একটি বিস্তৃত প্রবণতার অংশ।

একটি ADetailer-শৈলী সনাক্ত-এবং-রিপেইন্ট ওয়ার্কফ্লো কি করে?

ফসল বড় করা হাতকে পুনর্জন্মের সময় আরও অনেক সুপ্ত কোষ দেয়, যা এর গঠন উন্নত করে।

শিখতে থাকুন

সম্পর্কিত গাইড

এই বিষয়ের জন্য বাছাই করা আরও গাইড

একটি বিনামূল্যে AI শংসাপত্র পানএকটি সংক্ষিপ্ত বিনামূল্যে কোর্স এবং পরীক্ষা. কোনো খরচ নেই, কোনো কার্ড নেই। প্রায় 2.5 ঘন্টা।বিনামূল্যে শুরু করুন →