समाचारं

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

IT House News on August 23, सामाजिकमाध्यमात् आभासीयवास्तविकतापर्यन्तं व्यक्तिगतप्रतिबिम्बजननम् विभिन्नेषु अनुप्रयोगेषु क्षमतायाः कारणात् अधिकं ध्यानं आकर्षितवान् अस्ति। पारम्परिकपद्धतिषु प्रायः प्रत्येकस्य उपयोक्तुः कृते बहु समायोजनस्य आवश्यकता भवति, अतः दक्षतां मापनीयतां च सीमितं भवति अस्य कारणात् मेटा कम्पनी अभिनवरूपेण "Imagine Yourself" AI मॉडल् प्रस्तावितवती ।

पारम्परिकव्यक्तिगतप्रतिबिम्बजननपद्धतीनां चुनौती

वर्तमान व्यक्तिगतप्रतिबिम्बजननविधयः प्रायः प्रत्येकस्य उपयोक्तुः कृते अनुकूलनप्रतिमानस्य उपरि अवलम्बन्ते, यत् अकुशलं भवति, सामान्यतायाः अभावः च भवति । यद्यपि नूतनाः पद्धतयः समायोजनं विना व्यक्तिगतीकरणं प्राप्तुं प्रयतन्ते तथापि ते प्रायः अतियोग्यतां प्राप्नुवन्ति, येन प्रतिलिपि-चिपकण-प्रभावः भवति ।

कल्पयतु स्वस्य नवीनता

Imagine Yourself मॉडलस्य विशिष्टप्रयोक्तृणां कृते सूक्ष्मरूपेण समायोजनस्य आवश्यकता नास्ति तथा च एकस्य मॉडलस्य माध्यमेन भिन्नप्रयोक्तृणां आवश्यकताः पूर्तयितुं शक्नोति ।

एतत् प्रतिरूपं विद्यमानपद्धतीनां दोषान् सम्बोधयति, यथा परिवर्तनं विना सन्दर्भचित्रस्य प्रतिलिपिं कर्तुं प्रवृत्तिः, अतः अधिकबहुमुखी उपयोक्तृ-अनुकूल-प्रतिबिम्ब-जनन-प्रक्रियायाः मार्गः प्रशस्तः भवति

इमेजिन् योरसेल्फः परिचयस्य संरक्षणं, दृश्यगुणवत्ता, समये संरेखणम् इत्यादिषु प्रमुखक्षेत्रेषु उत्कृष्टतां प्राप्नोति, पूर्वमाडलात् महत्त्वपूर्णतया अधिकं प्रदर्शनं करोति ।

आदर्शस्य मुख्यघटकाः अन्तर्भवन्ति : १.

विविधतां प्रोत्साहयितुं कृत्रिमयुग्मितदत्तांशं जनयति;

त्रीणि पाठ-सङ्केतकानि प्रशिक्षनीयं दृश्य-सङ्केतं च एकीकृत्य पूर्णतया समानान्तर-अवधान-वास्तुकला;

तथा स्थूलतः सूक्ष्मपर्यन्तं बहुचरणीयं सूक्ष्मसमायोजनप्रक्रिया

एताः नवीनाः तकनीकाः आदर्शं उच्चगुणवत्तायुक्तानि, विविधानि चित्राणि जनयितुं समर्थयन्ति, तथा च सशक्तपरिचयसंरक्षणं पाठसंरेखणक्षमतां च निर्वाहयति

Imagine Yourself परिचयसूचनाः निष्कासयितुं प्रशिक्षनीयस्य CLIP patch encoder इत्यस्य उपयोगं करोति तथा च समानान्तर-पार-ध्यान-मॉड्यूल्-माध्यमेन पाठ-प्रोम्प्ट्-सहितं एकीकृत्य, परिचय-सूचनाः सटीकरूपेण संरक्षित्वा जटिल-प्रोम्प्ट्-प्रति प्रतिक्रियां ददाति

मॉडल् केवलं वास्तुकलानां विशिष्टभागानाम् सूक्ष्म-समायोजनाय निम्न-क्रम-एडाप्टर् (LoRA) इत्यस्य उपयोगं करोति, अतः उच्च-दृश्य-गुणवत्ता निर्वाह्यते ।

Imagine Yourself इत्यस्य एकं विशिष्टं विशेषता SynPairs data इत्यस्य जननम् अस्ति । उच्चगुणवत्तायुक्तं युग्मितं दत्तांशं निर्माय यस्मिन् अभिव्यक्तिः, मुद्रा, प्रकाशः च परिवर्तनं भवति, मॉडलः अधिककुशलतया शिक्षितुं विविधानि उत्पादनानि च उत्पादयितुं शक्नोति

उल्लेखनीयं यत्, जटिलसंकेतशब्दानां निबन्धने अत्याधुनिकप्रतिरूपस्य तुलने पाठसंरेखणे +२७.८% महत्त्वपूर्णं सुधारं प्राप्नोति

शोधकर्तारः ५१ भिन्नपरिचयानां ६५ संकेतानां च समुच्चयस्य उपयोगेन Imagine Yourself इत्यस्य परिमाणात्मकं मूल्याङ्कनं कृतवन्तः, येन मानवमूल्यांकनार्थं ३,३१५ चित्राणि उत्पन्नानि

मॉडलस्य तुलना अत्याधुनिक (SOTA) एडाप्टर-आधारित-माडलेन सह नियन्त्रण-आधारित-माडलेन च भवति, यत्र दृश्य-आकर्षणं, परिचय-संरक्षणं, संकेत-संरेखणं च इत्यादिषु मेट्रिकषु केन्द्रितम् अस्ति

मानवीय टिप्पणीकाराः तादात्म्यसादृश्यं, समये संरेखणं, दृश्य-आकर्षणं च आधारीकृत्य उत्पन्नप्रतिमानां स्कोरं कुर्वन्ति । इमेजिन योरसेल्फ् एडाप्टर-आधारित-प्रतिरूपस्य तुलने संकेत-संरेखणे ४५.१% महत्त्वपूर्णं सुधारं प्राप्नोति, नियन्त्रण-आधारित-प्रतिरूपस्य तुलने ३०.८% सुधारं च प्राप्नोति, येन पुनः तस्य श्रेष्ठतां सिद्धं भवति

Imagine Yourself इति प्रतिरूपं व्यक्तिगतप्रतिबिम्बजननस्य प्रमुखा उन्नतिः अस्ति । प्रतिरूपं विषयविशिष्टस्य ट्यूनिङ्गस्य आवश्यकतां समाप्तं करोति तथा च कृत्रिमयुग्मितदत्तांशजननम् इत्यादीनां नवीनघटकानाम् परिचयं करोति तथा च समानान्तरं ध्यानवास्तुकला, येन पूर्वदृष्टिकोणानां सम्मुखीभूतानां प्रमुखचुनौत्यस्य सम्बोधनं भवति