গুগল তার আইই প্রশিক্ষণের জন্য মানকিন চ্যালেঞ্জ থেকে ইউটিউব ভিডিও ব্যবহার করেছে

সুচিপত্র:

সপ্তাহের দিন
আরও পিক্সেল 3 এ পান
গুগল পিক্সেল 3 এ

সপ্তাহের দিন

গুগল কেবলমাত্র একটি ক্যামেরা ব্যবহার করে দৃশ্যে মানবীয় বিষয়কে বিচ্ছিন্ন করে গভীরতার মানচিত্র তৈরি করতে তার এআইকে প্রশিক্ষণ দিচ্ছে।
শুরুর দিক হিসাবে, গুগল এআই প্রশিক্ষণের জন্য মানেকুইন চ্যালেঞ্জ থেকে 2000 টি ইউটিউব ভিডিও ব্যবহার করেছিল।
ফলাফলগুলি প্রতিকৃতি মোডের মতো ভিডিওগুলিতে প্রভাব যুক্ত করার ক্ষমতা নিয়ে যাবে এবং অগমেন্টেড রিয়েলিটির জন্য ব্যবহৃত হবে।

সাম্প্রতিক একটি ব্লগ পোস্টে গুগল কীভাবে ক্যামেরা এবং বিষয় উভয়ই চলছে এমন ভিডিওগুলিতে গভীরতা উপলব্ধি নিয়ে কাজ করছে তা বিশদ জানিয়েছে। একটি প্রাথমিক পয়েন্ট হিসাবে, অধ্যয়নটি এআইকে প্রশিক্ষণের জন্য বিপুল পরিমাণে ডেটা অ্যাক্সেসের প্রয়োজন ছিল এবং প্রথম যৌক্তিক পদক্ষেপটি এমন একটি দৃশ্যে যেখানে লোকেরা ক্যামেরাটি চালাচ্ছিল সেখানে লোকেরা সনাক্ত করার জন্য এটি প্রশিক্ষণ দিয়েছিল তবে লোকেরা স্থির ছিল।

দেখা যাচ্ছে, গুগলের কাছে ইউটিউব ভিডিও আকারে এই ডেটাটির জন্য নিখুঁত সংস্থান ছিল যা ম্যানকুইন চ্যালেঞ্জের জন্য চিত্রিত হয়েছিল। এই চ্যালেঞ্জের মধ্যে, কোনও ব্যক্তি বা লোকের গোষ্ঠী তাদের অবস্থানের চারদিকে ক্যামেরা প্যান করার সাথে পুরোপুরি স্থির থাকে। গুগল বিভিন্ন ধরণের বিভিন্ন দৃশ্যে মানব চিত্রগুলি সনাক্ত করতে তার এআই প্রশিক্ষণে সহায়তা করতে চ্যালেঞ্জ থেকে 2000 ভিডিও ব্যবহার করেছে।

এই অধ্যয়নটিকে আরও আকর্ষণীয় করে তোলে এমন কিছু হ'ল গুগল কেবলমাত্র একটি ক্যামেরা ব্যবহার করে শ্যুট করা ফুটেজ ব্যবহার করে গভীরতা মানচিত্র তৈরি করতে তার এআইকে শিখিয়ে দিচ্ছে। বেশিরভাগ সময়, কোনও দৃশ্যের গভীরতার তথ্য বোঝার জন্য একাধিক ক্যামেরা অবশ্যই ব্যবহার করা উচিত।

গুগল ইতিমধ্যে স্থির চিত্রগুলির জন্য পিক্সেল ফোনে এর প্রতিকৃতি মোড প্রভাব তৈরি করতে অনুরূপ কিছু ব্যবহার করেছে। তবে এটি কেবল স্থির চিত্রগুলির সাথে সম্পর্কিত। গুগল যে নতুন পদ্ধতিটি বিকাশ করছে তা তার এআইকে গভীরতার মানচিত্র তৈরি করতে প্রশিক্ষণ দিচ্ছে যেখানে ক্যামেরা এবং বিষয় উভয়ই একটি দৃশ্যের মধ্যে চলেছে।

ভিডিওগুলিতে বিস্তৃত হয়ে, এটি ভবিষ্যতে আপনার ফোনে প্রতিকৃতি মোডের মতো ভিডিও দৃশ্যে বোকেহ তৈরি করার জন্য বৈশিষ্ট্যগুলি খুলবে। এই অধ্যয়ন থেকে আসা আরও একটি সুবিধা হ'ল গুগলের খেলার মাঠের প্লেমোজিসের মতো বর্ধিত বাস্তবতার জন্য উন্নত ফলাফল হবে।

আর একটি সম্ভাবনা হ'ল 2 ডি দৃশ্য থেকে 3 ডি চিত্রের প্রজন্ম। যদিও ক্যামেরা হার্ডওয়্যার ফটোগ্রাফি এবং ভিডিওগ্রাফির জন্য বরাবরই অপরিহার্য ছিল, গুগল কয়েক বছর ধরে সফ্টওয়্যার দিয়ে যা করেছে তা দেখায় যে, ভবিষ্যতে, অ্যালগরিদম ঠিক ততটাই গুরুত্বপূর্ণ হবে এবং নতুন অভিজ্ঞতা সরবরাহে সহায়তা করবে।