এনভিআইডিএ গ্যুশিয়ান রিগ্রেশন অ্যালগরিদমকে বিকৃত ফটোগুলি যথাযথভাবে পুনরুদ্ধার করতে নিযুক্ত করে

একটি পরিষ্কার ফলাফল অর্জনের জন্য নাসার স্পেস ফটোগ্রাফির পুনরায় চিত্রকরণ স্পেসফ্লাইট এখন

এনভিআইডিএ দীর্ঘকাল ধরে তার নিখরচায় গ্রাফিক্স প্রসেসিং ইউনিট (জিপিইউ) এর জন্য পরিচিত, এটির প্রধান পণ্য এনভিআইডিএ জিফর্স কার্ড। এর সাথে, ভিডিও গেমস, গ্রাফিক ডিজাইন, ডেটা প্রসেসিং এবং স্বয়ংচালিত যানবাহনগুলিতে কৃত্রিম বুদ্ধি বাড়ানোর অভিজ্ঞতা এবং গবেষণা বিকাশের ক্ষেত্রে এই সংস্থাটি সর্বদা সম্মুখ এবং কেন্দ্র ছিল been

ইদানীং, এনভিআইডিএ তার সাম্প্রতিক প্রকল্পের সাথে তাপমাত্রা এবং রঙের উপর ভিত্তি করে শ্রেণিবদ্ধ শত শত স্বচ্ছ এবং অস্পষ্ট চিত্রগুলির মধ্যে স্থানীয়তম ন্যূনতম পার্থক্যগুলি মূল্যায়নের জন্য গাউসী অ্যালগরিদম ব্যবহার করে প্রিক্সিস্টিং ফটোগুলি স্মার্ট রিমাইজিংয়ের উপর ভারী মনোনিবেশের সাথে বিচ্ছিন্নভাবে কৃত্রিম বুদ্ধিমত্তায় মনোনিবেশ করা শুরু করেছে, এবং তারপরে তাদের মূল স্পষ্ট চিত্রগুলি দেখতে কেমন হতে পারে তা আবার ফিরিয়ে আনতে পৃথক ঝাপসা ছবিগুলির রিগ্রেশন এক্সপ্রেশনগুলিতে এই মানগুলিকে ইনপুট করা। এই প্রক্রিয়াটি ফটোগ্রাফের প্রতিটি পয়েন্টের জন্য স্বতন্ত্রভাবে সঞ্চালিত হয় এবং একটি সংক্ষিপ্তসারটি জেনেরিক ন্যূনতম পার্থক্য মান তৈরি করতে ব্যবহৃত হয়।

এনভিআইডিএ অফিস টুইটারে নাসডাক

আলগোরিদিম স্ক্রিনের নির্দিষ্ট রঙ এবং নিদর্শনগুলি কী বোঝায় তার অতীত প্রচেষ্টা থেকে শিখতে কাজ করে। যখন সিস্টেমটি বিকাশ করা হয়েছিল, তখন এটি হাজার হাজার তৈরি-অস্পষ্ট এবং মূল চিত্র ছিল যাতে মেশিনটি সনাক্ত করতে পারে যে পর্দার কোন নিদর্শন এবং রঙগুলি মূল চিত্রের খাঁজগুলি এবং প্রান্তগুলির সাথে সামঞ্জস্য করে। বহুবার পরীক্ষা করা হয়ে গেলে, এনভিআইডিআইএ তার এআই চিপকে পূর্ববর্তী পরীক্ষাগুলি থেকে শিখতে এবং ম্যাচিং গ্রাফিক কোডগুলির একটি ডেটাবেস সংরক্ষণ করতে সক্ষম করেছে যা অবস্থান, অঙ্কন এবং তাপমাত্রার উপর ভিত্তি করে গাণিতিক কোডে রূপান্তরিত হয়। অতীতের অভিজ্ঞতা এবং একই লোকস এবং আভাটির অস্পষ্ট এবং স্পষ্ট চিত্রগুলির মধ্যে প্রতিষ্ঠিত সম্পর্কগুলি ব্যবহার করে মেশিনটি নতুন চিত্রগুলির সাথে ক্র্যাক করে নতুন ফটোগুলির আভা এবং তাপমাত্রাকে সেরা মেলে এমন সূত্রগুলি প্রয়োগ করে। এনভিআইডিএ তাদের নতুন অ্যালগরিদমকে একটি শক্তিশালী পর্যাপ্ত ধারণার ডাটাবেস রাখতে সক্ষম করেছে যা নতুন চিত্রগুলিতে কাজ করার সময় এআই এটিকে ট্যাপ করতে পারে এবং মেকানিজমটি এখন নিজেরাই দাঁড়িয়ে আছে, রিইনফোর্সমেন্ট লার্নিং (আরএল) এর প্রশিক্ষণ দ্বারা কার্যত যে কোনও চিত্র উদঘাটন করতে সক্ষম । উদাহরণস্বরূপ, পর্যাপ্ত মুখগুলি উন্মোচন করার পরে, পরীক্ষার সময় মেশিনটি ঝাপসা মুখগুলি তৈরি করতে পারে কারণ এটি বুঝতে পারে যে কোন ঝাপসা খাঁজগুলি সত্যের মুখের বৈশিষ্ট্যগুলির সাথে সামঞ্জস্য করে। বিভিন্ন ধরণের শব্দের এক্সপোজার যেমন ওভারস্ট্রেচড, হোয়াইটওয়াশড, ফিল্টারড এবং টেক্সচার্ড ইমেজগুলি অ্যালগরিদম ডাটাবেসে পাশাপাশি যুক্ত হয়েছে।

অ্যালগরিদমের মধ্যে গাণিতিক ভাষা, প্রোগ্রামটি তার সম্পর্কিত ডেটাবেজে সংশ্লিষ্ট চিত্রগুলিতে লগিং x, y, x ’, এবং y’ সম্পর্কিত সম্পর্কিত দূষিত এবং স্পষ্ট লোকি পড়ে। এরপরে এটি উভয়ের মধ্যে পার্থক্য মেলে গসিয়ান রিগ্রেশন বাঁক তৈরি করে যা সাধারণ ফটোগ্রাফিক গোলমালের উপর ভিত্তি করে রূপান্তর করতে দেয়। সর্বনিম্ন স্কোয়ারের রিগ্রেশন এক্সপ্রেশনটি উত্পন্ন করে, শর্তটি পূরণ করে এমন সর্বনিম্ন মান গৃহীত হয় এবং গাউসিয়ান মানটির একটি নতুন বক্ররেখা প্লট করা হয়। চিত্রটিকে তার মূল পরিষ্কার মানের দিকে ফিরিয়ে আনলে, এআই মেশিনের ডেটাবেজে রিগ্রেশন প্যাটার্নের পার্থক্যের ভিত্তিতে প্রতিটি পয়েন্টের তাপমাত্রা পরিবর্তন করা হয় যা নির্দিষ্ট রঙ এবং প্যাটার্নের সাথে মিলে যায় এবং প্রতিটি পয়েন্ট একটি সম্পূর্ণ পরিষ্কার চিত্র তৈরি করার জন্য পরিণত হয়। গাউসীয় বাঁকানোর প্রক্রিয়াটির সর্বাধিক জেনারিক ফর্মগুলির কারণগুলির মধ্যে যদি ডিভাইসটি অন্যান্য ধরণের শব্দের সনাক্ত করতে সক্ষম হয় যা প্রায়শই খারাপ সময়সাপেক্ষ শাটারের গতি বা অনুকরণের জেনেরিক শেডিংকে দায়ী করা হয়, তবে গাউসীয় ন্যূনতম পার্থক্যের মানটি গড় হিসাবে গড় হয় ডেটা সেটের পোয়েসন (পূর্বের জন্য) এবং বার্নোল্লি (পরবর্তীকালের জন্য) স্বল্পতম পার্থক্য মানগুলিও।

কৃত্রিম গোয়েন্দা সাহায্যের ফটো রিমিজিং। বিটি

সাধারণ ব্যক্তির ভাষায়, কৃত্রিম বুদ্ধিমত্তা এতে যে ভূমিকা পালন করে তা হ'ল ডিভাইস দ্বারা ইতিমধ্যে চেষ্টা করা অনুশীলনের উপর ভিত্তি করে অনন্য ছবিগুলির স্মার্ট সনাক্তকরণ এবং রূপান্তর। যখন এটি আজ অর্জিত কৃত্রিম বুদ্ধিমত্তার স্তরের দিকে আসে, যা এখনও এমন পর্যায়ে রয়েছে যেখানে এটি বিশেষভাবে স্বতন্ত্র নয় এবং এর প্রচেষ্টা ইতিমধ্যে চর্চা করা দৃশ্যের সীমার মধ্যে সীমাবদ্ধ রয়েছে, এনভিআইডিআইএ এমন একটি মেশিন তৈরিতে ব্যাপক অর্জন করেছে যা চেষ্টা এবং পুনরায় তৈরি করতে পারে পরবর্তী ফটোগ্রাফিক টার্নওভারের সাফল্যের হার উন্নত করতে তার ডাটাবেসটিকে ধারাবাহিকভাবে অভিযোজিত এবং প্রসারিত করে সর্বোচ্চ স্তরের নির্ভুলতার সাথে অদেখা ছবিগুলি।