NVIDIA سے یہ ای نئیرل نیٹ ورک فوٹوگرافیشل جعلی تصاویر بناتا ہے

ایک نظر میں، تصویر اوپر اوپر ایک معمولی سڑک کی ایک عام تصویر کی طرح لگتا ہے، یا تو ڈیش کیمرہ سے یا کافی کسی کو بے حد بے حد سے لے کر سڑک میں گھومنے کے لئے اس طرح کے ایک سوڈین منظر کی تصویر تصویر.

لیکن تھوڑا سا قریب دیکھو. نوٹس کریں کہ ٹریفک سگنل تھوڑا سا جنگجو ہے، یا کس طرح کچھ کاریں فجی لگتی ہیں؟ یہاں کچھ غلط ہے. یہ بالکل تصویر نہیں ہے. یہ ایک تصویر ہے جو مکمل طور پر A.I

ٹیک کمپنی نیویدیا اور کیلیفورنیا یونیورسٹی کے کمپیوٹر سائنسدانوں نے برکلی نے ایک تحقیقاتی کاغذ لکھا ہے، جو آریکسائیو پر پیش کردہ پرنٹ میں دستیاب ہے، یہ بتائی گئی ہے کہ وہ حقیقت پسندانہ سڑک کی تصاویر اور انسانی پورٹریٹ پیدا کرنے کے لئے کس طرح نیور نیٹ ورک حاصل کرنے میں کامیاب تھے. انہوں نے ان میں بھی ایک صارف انٹرفیس بھی شامل کیا جس سے آپ کو تصویروں کو بہتر بنانے میں مدد ملتی ہے لیکن آپ اضافی پودوں کو شامل کرکے یا موسم کو تبدیل کرکے بھی پسند کرتے ہیں.

نیویڈیا کے ایک سینئر سائنسدان منگ- یو لیو، بتاتا ہے کہ "گیمنگ تیزی سے بڑھ رہی ہے، کیونکہ لوگ ایک دوسرے کے ساتھ باہمی ماحول میں بات کرتے ہیں." اندرونی ای میل میں "تاہم، آج کی ٹیکنالوجی کے ساتھ مجازی دنیا مہنگا ہے، کیونکہ فنکاروں کو واضح طور پر ان کی تعمیر کی دنیا کے لئے ساخت اور نمونے کی نمائش اور نمونے کی ضرورت ہوتی ہے. تصویر سے تصویر ترجمہ کے ساتھ، ہم اس کے بجائے مجازی دنیا تخلیق کرنے کے لئے حقیقی دنیا نمونہ کرسکتے ہیں."

نیورل نیٹ ورک ایسے کمپیوٹرز ہیں جو معلومات میں لے کر انسانی دماغ کی طرح کام کرنے کے لئے نمٹنے کے قابل بناتے ہیں، اس کا اطلاق کرتے ہیں اور نتائج سے سیکھتے ہیں. اس تحقیق نے 2014 میں ایان گڈفیلویل کی طرف سے متعارف کرایا خاص نوعیت کے نیٹ ورکوں کا استعمال کیا جس میں عام طور پر مشترکہ نیٹ ورکس یا GAN کہا جاتا ہے - جس میں عام طور پر دو نیٹ ورک، جنریٹر اور تبعیض شامل ہیں.

جنریٹر کو تصاویر دی جاتی ہے اور مصنوعی تصاویر تخلیق کرنا شروع کی جاتی ہیں جیسے اسی کو دیا گیا تھا. اس کے بعد اس تصاویر کو جس کا دیا گیا تھا اور اس کے نقطہ نظر سے جعلی ہے، جس کا کام انہیں الگ الگ بتانا ہے. جیسا کہ اس عمل پر چلتا ہے، جنریٹر اصل تصاویر کو موڑنے میں بہتر بناتی ہے اور تبعیض کو جعلی الگ الگ کہہ کر بہتر بن جاتا ہے. نتائج کچھ خوبصورت قائل ہیں اور مکمل طور پر جعلی تصاویر ہیں.

یہ تحقیق روایتی GAN ماڈل پر بناتا ہے جس میں چند ذیلی نیٹ ورکوں میں جنریٹر اور تبعیض نیٹ ورک کو تقسیم کرنا شامل ہے، اعلی قرارداد کی تصاویر کی پیداوار کی اجازت دیتا ہے. نیورل نیٹ ورکس ایک سیمنٹ نقطۂ نظر میں بھی لے جا سکتے ہیں - یا اس تصویر کا ایک بلیوپریٹ ہے جو تصویر کس طرح نظر آتی ہے اور خود مختار بناوٹ بھریں. صارفین کو بھی نیلے رنگ میں جا سکتے ہیں اور چیزوں کو تبدیل کر سکتے ہیں اگر وہ سڑک کے نقطہ نظر میں درختوں کی بجائے عماراتوں کو شامل کرنا چاہتے ہیں یا آنکھوں کو ایک تصویر میں وسیع کرسکتے ہیں.

کاغذ اس کا استعمال اس طرح کے تجربات کو اس طریقہ کار کا استعمال کرتے ہوئے کیا جاتا ہے، سب سے قابل ذکر ایک pix2pix ہونے والا ہے. NVIDIA اور UC برکلے مطالعہ تفصیلات کے ساتھ تصاویر کے ساتھ چھوٹے اور واضح طور پر جائز لائسنس پلیٹس کے طور پر پیدا کرنے میں کامیاب ہیں، جبکہ pix2pix ان تصاویر کو آؤٹ کرتا ہے جو تقریبا پانی کے پینٹنگز کی طرح نظر آتے ہیں.

جبکہ اس آلے کو کچھ مفت ریڈ ترمیم کرما کچھ غیر معمولی تصاویر کے ساتھ حاصل کرنے کے لئے استعمال کیا جا سکتا ہے، مصنفین کو صرف ایک سادہ بلیوپریٹ کے ساتھ حقیقت پسندانہ گرافکس پیدا کرنے کے لئے اس نقطہ نظر کا استعمال کرنے میں بہت بڑی صلاحیت ہے.

گوگل نقشہ جات، فلموں اور ویڈیو کھیلوں میں استعمال کے لئے سوسائٹی مزدوروں کے گھنٹوں گھومنے مجازی دنیا میں گھومتے ہیں. لیو کا کہنا ہے کہ یہ ماڈل بے شمار طور پر ڈیزائن کرنے میں زیادہ سے زیادہ حاصل کرنے کا راستہ بن سکتا ہے اور اس کے بعد جانے اور اس کے بعد تفصیلات کو بہتر بنا سکتے ہیں.

"واضح طور پر اس نمونے کی طرف سے دنیا کو انجام دینے کے بجائے، ہم دنیا کے سادہ ماڈل کے درمیان ترجمہ کرنے کے لئے تصویر سے تصویر کی ترجمانی کا استعمال کرتے ہوئے غیر معمولی دنیا کو بنا سکتے ہیں جس میں کوئی ساخت یا روشنی نہیں ہے، اور تصویر حقیقت پسندانہ پیداوار. اس صلاحیت کو مجازی دنیا کی تخلیق کرنے کے لئے اسے سستا لگانا چاہئے. " اندرونی.

اس تحقیق میں اگلے مرحلے کے لئے، ٹیم کو ویڈیو سے وابستہ ترجمہ کا پتہ لگانے کی امید ہے، جو حقیقت پسندانہ ویڈیو بنانے کے لئے خشک نیٹ کی مدد کرے گی. لیو نے کہا کہ اس مقصد کا مقصد میدان میں محققین کو چیلنج کیا گیا ہے.

اب آپ جانتے ہیں جعلی تصاویر کس طرح آسانی سے پیدا کی جا سکتی ہیں. Google تصاویر پر آپ کو ہر چیز پر بھروسہ نہ کریں.