Animating images: First Order Model

প্রথম অর্ডারের মডেল একটি নিউরাল নেটওয়ার্ক যার জন্যে ইচ্ছামতো ছবি তৈরি করা হয়েছে। মডেলের প্রধান কাজ ভিডিও থেকে একটি ভিডিও চিত্র থেকে তুলে নেওয়া চিত্র থেকে গতি ও চেহারা স্থানান্তর করা। এটি একটি ছবি অ্যানিমেশন প্রযুক্তি যেখানে ফলাফল জটিল ৩ডি পুনর্গঠন ছাড়া অর্জন করা যায়।

কিভাবে মডেল

কী-এর ওপর ভিত্তি করে একটি পদ্ধতি ব্যবহৃত হবে । নিউরাল নেটওয়ার্ক একটি রেফারেন্স ভিডিও বিশ্লেষণ করে এবং কিভাবে অবজেক্ট স্থানান্তর করা হয় তা চিহ্নিত করে (যেমন, চোখ, মুখ, মাথা ঘুরে)। এই তথ্যকে স্থায়ী রূপে প্রয়োগ করা হবে । এই মডেলটি বিভিন্ন অঞ্চলের স্থানীয় পরিবর্তন প্রদর্শন করে, যা এর মূল ছবির বর্ণনা এবং বিস্তারিত সংরক্ষণ করতে সাহায্য করে। এটা বিশ্ব চলমান পরিবর্তন এবং স্থানীয় পরিবর্তন যা আরো সাধারণ ওভারলে এর তুলনায় আরো স্বাভাবিক ফলাফল সৃষ্টি করে।

ব্যবহারের জন্য চিহ্নিত সরঞ্জাম

এই টুলটি গুগল কোলাব পরিবেশের একটি প্রতিবাদ নোটবুক হিসেবে বিতরণ করা হয়েছে। এর ফলে ব্যবহারকারীদের অতিরিক্ত সফটওয়্যার ইনস্টল অথবা নিজস্ব কম্পিউটারের জন্য কনফিগার করা আবশ্যক না। গুগলের দূরবর্তী সার্ভারে সকল নিয়ম কাজ করা হয়, এর মাধ্যমে নিম্ন-বিদ্যুৎ যন্ত্র ব্যবহার করা হয়।

নকল ছবির অক্ষরসমূহ: প্রথম অনুক্রম মডেল

এই চিত্র কার?

নকশাবিদ এবং সৃজনশীল পেশাজীবী

ডিজাইনারদের জন্য এই টুলটি কার্যকর হতে পারে যারা দ্রুত উপস্থাপনা অথবা নমুনার জন্য অ্যানিমেশন তৈরি করতে চায়। এই মডেলটি স্থির চিত্রগুলো অথবা কৌতুকের মাধ্যমে জীবনের দিকে নিয়ে যাচ্ছে, যা অল্প সময়ের মধ্যেই গতিশীলতাকে আরও বৃদ্ধি করে ।

AI গবেষক এবং ডেভেলপার

যেহেতু এই কোড একটি ওপেন রিসার্চ নোটবুক, তাই মূল পয়েন্টারের উপর ভিত্তি করে ছবি অ্যানিমেশন পদ্ধতি অধ্যয়ন করা উপযুক্ত। নির্মাতারা মডেল স্থাপত্য, পরিবর্তন, অথবা নিজেদের পরীক্ষাগুলোর জন্য ভিত্তি হিসেবে এটাকে ব্যবহার করতে পারেন।

সাধারণ ব্যবহারকারীদের জন্য বিনোদন

এই টুলটি ব্যাপক শ্রোতাদের কাছে পাওয়া যায়। যে কেউ তাদের নিজস্ব ছবি আপলোড করতে পারেন এবং একটি ভিডিও আপলোড করতে পারেন যেখানে একটি মজার বা অস্বাভাবিক ফলাফল পাওয়া যাবে। কলাবে বিনামূল্যের প্রবেশাধিকার এবং সহজ শুরুর মাধ্যমে আধুনিক নিউরাল নেটওয়ার্কের ক্ষমতা পরীক্ষা করার জন্য এই যন্ত্রকে আকর্ষণীয় করে তোলে।

কীভাবে এই চিত্র ব্যবহার করতে হয়: প্রথম অনুক্রমের মডেল নিউরাল নেটওয়ার্ক?

গুগল কোলাব এ নোটবুক চালু করা হচ্ছে

গুগল কোলাব পরিবেশে বিক্ষোভের মূল মাধ্যম হচ্ছে এই টুলটি ব্যবহার করা। আপনার একটি গুগল অ্যাকাউন্ট প্রয়োজন। নোটবুক খোলার পর, আপনাকে কোড সেল সেল সিকি চালাতে হবে. অধিকাংশ কাজ স্বয়ংক্রিয় করা হয়, নির্ভরতা থেকে নির্ভরতায় মডেলিং করা হয়।

ইনপুট তথ্য একত্রিত করা হচ্ছে

একটি অ্যানিমেশন তৈরি করতে, আপনাকে দু'টি ছবি তুলতে হবে: একটি ছবি এবং একটি রেফারেন্স ভিডিও। ছবিটি পরিষ্কার এবং যাতে আপনি যে বস্তুগুলো জীবন ফিরিয়ে আনতে চান তার মধ্যে রয়েছে। এই ভিডিও সবার সামনে এগিয়ে যাওয়ার উৎস হিসেবে কাজ করছে। এই ফাইলগুলোর গুণগত মান এবং কম অপ্রয়োজনীয় বিস্তারিত তথ্যের চেয়ে আরও ভাল, ফলাফলের গুণগত মান বেশি ।

ফলাফল প্রাপ্ত ও সংরক্ষণ করা হচ্ছে

সকল নোটবুকের ঘর চালানোর পরে, মডেল ইনপুট তথ্য আহরণ করা হবে। এর ফলে, স্বয়ংক্রিয়রূপে কয়েক মিনিট পরে স্বয়ংক্রিয়ভাবে সংযোগ স্থাপন করা হয়। সরাসরি কম্পিউটারের সাথে ব্যবহারের জন্য সর্বশেষ ফাইলটি ডাউনলোড করা যাবে অথবা সরাসরি প্রদর্শিত হবে ব্রাউজার.

ছবির কী বৈশিষ্ট্য: প্রথম অনুক্রম মডেল

অন্য ধাতু স্থানান্তর

মডেলটি মুখের পেশীগুলোকে ধারণ করতে পারে এবং এগুলোকে একটি স্থায়ী ছবিতে নিয়ে যেতে পারে। এই বিষয়টি জীবনের ছবিগুলোকে সামনে নিয়ে আসার সুযোগ করে দেয়, সেগুলো তাদের হাসি, পল, অথবা কথা বলে, যদি এই রেফারেন্স ভিডিওতে সংশ্লিষ্ট অভিব্যক্তি থাকে।

মূল অ্যানিমেশন

মুখের অভিব্যক্তি ছাড়াও, নেচারাল নেটওয়ার্ক দেহ ও অঙ্গগুলোকে চিহ্নিত করে । এর ফলে অক্ষর এবং চরিত্রের অ্যানিমেশন তৈরি করা সম্ভব হয়, যেগুলোকে নকল করা হয় না, আবার রেফারেন্স রেকর্ড থেকে নেওয়া অথবা ইঙ্গিত দেওয়া হয়।

পশুর ছবি দিয়ে কাজ করা

এই টুলগুলো মানুষের চেহারার মধ্যে সীমাবদ্ধ নয় । প্রাণীগুলোর চেহারার সাথে কাজ করার জন্য নির্মিত অ্যালগরিদমটি যথেষ্ট খাপ খায়। ব্যবহারকারীরা বিড়াল, কুকুর বা অন্যান্য প্রাণীর ভিডিওর উপর ভিত্তি করে অ্যানিমেশন তৈরি করতে পারে, যা সৃজনশীল সম্ভাবনাকে বিস্তৃত করতে পারে।

অমার্জিত ইমেজ: প্রথম আদেশ:

• মুক্ত প্রবেশাধিকারএই মডেলটির জন্য কোন আর্থিক বিনিয়োগের দরকার নেই, যে কেউ এই প্রযুক্তিকে গ্রাহক না কিনেই চেষ্টা করবে।
• কোন শক্তিশালী PC'র প্রয়োজন নেই: গুগল কোলাবে চলমান সকল সংখ্যা মেঘে স্থানান্তর করে, কাজে ব্যবহারকারীদের কেবল একটি ব্রাউজার এবং একটি স্থায়ী ইন্টারনেট সংযোগ প্রয়োজন।
• সহজ শুরু: কোনো ম্যানুয়াল এনভায়রনমেন্ট কনফিগারেশন প্রয়োজন নেই - নির্ভরতার জন্য নোটবুকের সমস্ত নির্দেশনা ও কমান্ড আছে।
• নমনীয় অ্যাপ্লিকেশন: কেবল মুখেই নয় কিন্তু তার সাথে দেহ ও প্রাণীও রয়েছে, যা বিভিন্ন কাজের জন্য উপাদানের উপাদান তৈরী করে।

ছবি তোলার ব্যাপারে হতাশা: প্রথম আদেশ:

• সীমা অতিক্রান্ত বিন্যাস: এই টুলটি একটি সম্পূর্ণ অ্যাপ্লিকেশন অথবা API এর পরিবর্তে একটি বিক্ষোভের টুল হিসেবে কাজ করে, যা বাণিজ্যিক ব্যবহারের জন্য ক্ষতিকর হতে পারে।
• গুগল অবকাঠামোতে নির্ভরতা: কোবল সার্ভার লোডের উপর গতি ও স্থিতিশীলতা নির্ভর করছে। আপনি হয়তো দেরি করে ফেলতে পারেন ।
• ইনপুট তথ্য প্রাপ্তির ওপর ফলাফল: অ্যানিমেশন-এর মান সরাসরি ইনপুট ছবির স্বচ্ছতার উপর নির্ভর করে এবং ছবির এবং ভিডিওর মধ্যে কি ভাবে বস্তুর মিল রয়েছে তার উপর। যদি কোনো বস্তু সুনির্দিষ্টভাবে ভিন্ন হয়ে থাকে, তাহলে ফলাফল বিকৃত হয়ে যেতে পারে ।

কোন কাজ চিত্র তৈরি করছে: ফার্স্ট অর্ডার মডেল সমাধান করেছে?

সামাজিক মিডিয়ার জন্য বিষয়বস্তু তৈরি করা হচ্ছে

টুইটার ব্যবহারকারীরা গতিশীলতার মাধ্যমে পুরোনো ছবিগুলোকে জীবনে ফিরিয়ে আনতে পারে। এই সমস্ত উপাদান সংবাদ ফিডের প্রতি আরো মনোযোগ আকর্ষণ করে, যার সাথে এই সমস্ত ছবি স্থায়ী ভাবে তুলে ধরা হয়েছে।

ডিজাইনের মধ্যে প্রোটানো

নকশাবিদরা দ্রুত তাদের প্রদর্শন করতে পারেন কিভাবে একটি নির্দিষ্ট চরিত্রকে দেখা যাবে, স্থায়ী গ্রাফিক্স ব্যবহার করে এবং কোন রেফারেন্স ভিডিও ভিত্তি হিসেবে ব্যবহার করা হবে।

AI শেখার জন্য ব্যবহৃত শিক্ষাগত টুল

ছাত্র এবং পেশাজীবিদের কম্পিউটার দৃষ্টি পর্যবেক্ষণের জন্য এই নোটবুকটি গভীর প্রোগ্রামিং ছাড়া একটি জটিল নিউরাল নেটওয়ার্ক স্থাপত্য বাস্তবায়নের একটি পরিষ্কার উদাহরণ হিসেবে কাজ করে।

ছবির জন্য কৃতজ্ঞতা: প্রথম অনুক্রম মডেল

টুলটি বিনামূল্যের মডেলের মাধ্যমে বিতরণ করা হয়েছে। এর মানে হল বিক্ষোভ মোডে নিউরাল নেটওয়ার্ক ব্যবহার করে কোন টাকা লাগবে না। ব্যবহারকারীদের লাইসেন্স কিনতে হবে না, গ্রাহকের জন্য টাকা কিনতে হবে, অথবা ভারসাম্য বজায় রাখতে হবে। তবে এটা পরিষ্কার যে গুগল কোলাবের পরিবেশ মুক্তভাবে ব্যবহার করার ক্ষেত্রে সীমাবদ্ধতা রয়েছে, যার মধ্যে নিয়মানুবর্তিতা এবং রামের সীমা রয়েছে। বাণিজ্যিক বা আরো ব্যাপক ব্যবহার করার জন্য কলাবের পরিকল্পনা করা যেতে পারে, যা কিনা আলাদা ভাবে গুগল প্ল্যাটফর্মে প্রদান করা হয়, এই মডেলের লেখকের কাছে নয়।

ব্যবহারযোগ্য ইমেজের অনুক্রম: প্রথম অনুক্রমের মডেল

কোড এবং স্বাক্ষর

যেহেতু মডেলটি গবেষণা কোড হিসেবে বিতরণ করা হয়, তাই এর ব্যবহার সংশ্লিষ্ট রিপোজিটরির শর্ত অনুযায়ী পরিচালনা করা হয় । সাধারণত, এই ধরনের কোড বৈজ্ঞানিক এবং শিক্ষামূলক উদ্দেশ্যে দেওয়া হয় । অবাধ প্রবেশাধিকার সত্ত্বেও বাণিজ্যিক ব্যবহারের আগে নির্দিষ্ট মডেলের নথিপত্র এবং লাইসেন্স পর্যালোচনার সুপারিশ করা হয়।

আরম্ভ করার জন্য প্রযুক্তিগত বৈশিষ্ট্য

একটি আধুনিক ওয়েব ব্রাউজার (চিরোম, ফায়ারফক্স, ইত্যাদি) এবং একটি গুগল একাউন্ট প্রয়োজন। একটি স্থায়ী ইন্টারনেট সংযোগের প্রয়োজন, কারণ বিশাল পরিমাণ তথ্য সার্ভার থেকে পাঠানো হচ্ছে। আপনার স্থানীয় কম্পিউটারের শক্তি কোন ব্যাপার না, যেহেতু সব অপারেশন দূরবর্তী অবস্থানে চলছে।

চিত্রের বিশ্লেষণের ক্ষমতা: প্রথম অনুক্রম মডেল

ভৌগলিক অবস্থান

গুগল কোলাব সার্ভার দ্বারা এই সেবা পরিচালনা করা হয়, যা বিশ্বের বেশীরভাগ দেশে পাওয়া যায়। যে দেশে গুগল সেবা আনুষ্ঠানিকভাবে বন্ধ করে দেওয়া হয় সেখানে সীমিততা দেখা যেতে পারে। অন্য সব ক্ষেত্রে, এই টুল ব্যবহারের অনুমতি ভৌগলিকভাবে সীমিত নয়।

ভাষা সমর্থন

এই নোটবুক ইন্টারফেস এবং কোডের মন্তব্য সাধারণত ইংরেজীতে। তবে এটা কোন জটিল বাধা নয়, বিশেষ করে অপারেশনের সময় সেলের জন্য "যুদ্ধ" বাটন ক্লিক করে। ইংরেজি ভাষা সম্পর্কে মৌলিক জ্ঞান বা একটি নির্মিত ব্রাউজার অনুবাদক ব্যবহার করে সফল কাজের জন্য যথেষ্ট।

কিভাবে চিত্রিং করা যায়: ফার্স্ট অর্ডার মডেল বিকল্প বিকল্প থেকে আলাদা

অ্যানিমেশন

অনেকে প্রতিযোগী যন্ত্র ব্যবহার করে বিজ্ঞাপনী নেটওয়ার্ক (জিএনএস) সরাসরি নতুন ফ্রেমের মাধ্যমে "প্রশ্ন" করার জন্য। বিপরীতে, প্রথম অনুক্রমের মডেল কী পয়েন্ট ব্যবহার করে স্থানান্তর করা হয় । এই পদ্ধতি প্রায়ই চরিত্রের পরিচয় রক্ষা করে, বিশেষ করে যখন মূল ইমেজের বের করার পদ্ধতি স্থানীয়ভাবে পাল্টে যায়, তখন তা সম্পূর্ণ পাল্টে যায়।

বিতরণ সংক্রান্ত বিকল্প

এটি একটি API এবং প্রযুক্তিগত সহায়তার বাণিজ্যিক পণ্য নয়। এটা উন্মুক্ত গবেষণা কোড যা ব্যবহারকারীদের প্রয়োজন নোটবুকের ভেতরে কাজ করতে। অধিকাংশ জনপ্রিয় বিকল্প বাটন সহযোগে ফাইল আপলোড করার উদ্দেশ্যে একটি সুবিধাজনক ওয়েব ইন্টারফেস প্রস্তাব করা হয়। এখানে পার্থক্য হচ্ছে যে ফার্স্ট অর্ডার মডেলের জন্য কম ইন্টারমিডিয়ার প্যারামিটারের রদবদল দরকার কিন্তু কম পরিমাণে কম পরিমাণে কম।

উপাদানের বহুমুখীতা

যদিও অনেক বিকল্প পদ্ধতি বিশেষ করে মানুষের মুখের মধ্যে, কিন্তু এই মডেলটি দেহ ও চরিত্রের সঙ্গে কাজ করার ক্ষমতা দেখায় । এটা কাজের জন্য আরও নমনীয় করে তোলে, কেবল মাথা নয় বরং পুরো চরিত্রের উপর অ্যানিমেশনের প্রয়োজন।

অন্তর্ভুক্ত

এই ছবি: ফার্স্ট অর্ডার মডেল একটি শক্তিশালী গবেষণা টুল যা যে কেউ বিনামূল্যে আধুনিক চিত্র অ্যানিমেশন প্রযুক্তি আবিষ্কার করতে পারবে। গুগল কোলাব পরিবেশকে ধন্যবাদ, ব্যবহারকারীদের শক্তিশালী হার্ডওয়্যার বা প্রযুক্তিগত দক্ষতা প্রয়োজন নেই- কেবল একটি ছবি খুঁজে বের করা এবং একটি রেফারেন্স ভিডিও যথেষ্ট। এই মডেলটি ছবি, চরিত্র এবং এমনকি প্রাণীগুলোকে স্থানান্তর করার মাধ্যমে উন্নত হয়। গুগল অবকাঠামোর উপর নির্ভরতার কিছু সীমাবদ্ধতা থাকা সত্ত্বেও এবং নিজে নিজে নিজে এই নোটবুক চালানোর প্রয়োজনীয়তা রয়েছে, এই টুল পরীক্ষা, শেখার জন্য এবং দ্রুত অ্যানিমেটেড উপাদান তৈরি করে।