• ବ୍ୟାନର

OpenAI ପଏଣ୍ଟ E: ଗୋଟିଏ GPU ରେ କିଛି ମିନିଟରେ ଜଟିଳ ତରଙ୍ଗ ଫର୍ମରୁ ଏକ 3D ପଏଣ୍ଟ କ୍ଲାଉଡ୍ ସୃଷ୍ଟି କରନ୍ତୁ |

ଏକ ନୂତନ ଆର୍ଟିକିଲ୍ ପଏଣ୍ଟ-ଇ: ଜଟିଳ ସଙ୍କେତରୁ 3D ପଏଣ୍ଟ କ୍ଲାଉଡ୍ ସୃଷ୍ଟି କରିବା ପାଇଁ ଏକ ସିଷ୍ଟମ୍, ଓପନ୍ଏ ଅନୁସନ୍ଧାନ ଦଳ ପଏଣ୍ଟ ଇ କୁ ଉପସ୍ଥାପନ କରେ, ଏକ 3D ପଏଣ୍ଟ କ୍ଲାଉଡ୍ ଟେକ୍ସଟ୍ କଣ୍ଡିଶନାଲ୍ ସିନ୍ଥେସିସ୍ ସିଷ୍ଟମ୍ ଯାହା ଜଟିଳ ପାଠ୍ୟ ଦ୍ୱାରା ଚାଳିତ ବିବିଧ ଏବଂ ଜଟିଳ 3D ଆକୃତି ସୃଷ୍ଟି କରିବାକୁ ବିସ୍ତାର ମଡେଲ ବ୍ୟବହାର କରେ | ସୂଚକଗୋଟିଏ GPU ରେ ମିନିଟ୍ ରେ |
ଆଜିର ଅତ୍ୟାଧୁନିକ ପ୍ରତିଛବି ଉତ୍ପାଦନ ମଡେଲଗୁଡିକର ଚମତ୍କାର ପ୍ରଦର୍ଶନ 3D ପାଠ୍ୟ ବସ୍ତୁର ଉତ୍ପାଦନରେ ଗବେଷଣାକୁ ଉତ୍ସାହିତ କରିଛି |ଅବଶ୍ୟ, 2D ମଡେଲ ତୁଳନାରେ, ଯାହା ମିନିଟ୍ କିମ୍ବା ଏପରିକି ସେକେଣ୍ଡରେ ଆଉଟପୁଟ୍ ସୃଷ୍ଟି କରିପାରିବ, ଅବଜେକ୍ଟ ଜେନେରେଟିଭ୍ ମଡେଲଗୁଡିକ ଗୋଟିଏ ନମୁନା ସୃଷ୍ଟି କରିବାକୁ ସାଧାରଣତ several ଅନେକ ଘଣ୍ଟା GPU କାର୍ଯ୍ୟ ଆବଶ୍ୟକ କରନ୍ତି |
ଏକ ନୂତନ ଆର୍ଟିକିଲ୍ ପଏଣ୍ଟ-ଇ: ଜଟିଳ ସଙ୍କେତରୁ 3D ପଏଣ୍ଟ କ୍ଲାଉଡ୍ ସୃଷ୍ଟି କରିବାର ଏକ ସିଷ୍ଟମ୍, ଓପନ୍ଏ ଅନୁସନ୍ଧାନ ଦଳ ପଏଣ୍ଟ · ଇ ଉପସ୍ଥାପନ କରେ, 3D ପଏଣ୍ଟ କ୍ଲାଉଡ୍ ପାଇଁ ଏକ ପାଠ୍ୟ ସର୍ତ୍ତମୂଳକ ସିନ୍ଥେସିସ୍ ସିଷ୍ଟମ୍ |ଏହି ନୂତନ ପଦ୍ଧତି ଏକ GPU ରେ ମାତ୍ର ଏକ ମିନିଟ୍ କିମ୍ବା ଦୁଇ ମିନିଟ୍ ମଧ୍ୟରେ ଜଟିଳ ପାଠ୍ୟ ସଙ୍କେତରୁ ବିଭିନ୍ନ ଏବଂ ଜଟିଳ 3D ଆକୃତି ସୃଷ୍ଟି କରିବାକୁ ଏକ ପ୍ରସାରଣ ମଡେଲ୍ ବ୍ୟବହାର କରେ |
ପାଠ୍ୟକୁ 3D ରେ ରୂପାନ୍ତର କରିବାର ଆହ୍ on ାନ ଉପରେ ଦଳ ଧ୍ୟାନ ଦିଆଯାଇଛି, ଯାହା ଭର୍ଚୁଆଲ୍ ବାସ୍ତବତା ଏବଂ ଖେଳ ଠାରୁ ଆରମ୍ଭ କରି ଶିଳ୍ପ ଡିଜାଇନ୍ ପର୍ଯ୍ୟନ୍ତ ବାସ୍ତବ ବିଶ୍ applications ପ୍ରୟୋଗଗୁଡ଼ିକ ପାଇଁ 3D ବିଷୟବସ୍ତୁ ସୃଷ୍ଟିକୁ ବିମୁଦ୍ରୀକରଣ କରିବା ପାଇଁ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ |ପାଠ୍ୟକୁ 3D ରେ ରୂପାନ୍ତର କରିବା ପାଇଁ ବିଦ୍ୟମାନ ପଦ୍ଧତିଗୁଡିକ ଦୁଇଟି ଶ୍ରେଣୀରେ ବିଭକ୍ତ, ଯାହାର ପ୍ରତ୍ୟେକର ଅସୁବିଧା ଅଛି: 1) ଜେନେରେଟିଭ୍ ମଡେଲଗୁଡିକ ନମୁନାକୁ ଦକ୍ଷତାର ସହିତ ଉତ୍ପାଦନ କରିବାରେ ବ୍ୟବହୃତ ହୋଇପାରେ, କିନ୍ତୁ ବିବିଧ ଏବଂ ଜଟିଳ ପାଠ୍ୟ ସଙ୍କେତ ପାଇଁ ଦକ୍ଷତାର ସହିତ ମାପଚୁପ କରିପାରିବ ନାହିଁ;2) ଜଟିଳ ଏବଂ ବିବିଧ ପାଠ୍ୟ ସୂଚକ ପରିଚାଳନା କରିବା ପାଇଁ ଏକ ପୂର୍ବ-ତାଲିମପ୍ରାପ୍ତ ପାଠ୍ୟ-ପ୍ରତିଛବି ମଡେଲ୍, କିନ୍ତୁ ଏହି ଉପାୟଟି ଗଣନାତ୍ମକ ଭାବରେ ଘୋର ଅଟେ ଏବଂ ମଡେଲ୍ ସ୍ଥାନୀୟ ମିନିମାରେ ସହଜରେ ଅଟକି ଯାଇପାରେ ଯାହା ଅର୍ଥପୂର୍ଣ୍ଣ କିମ୍ବା ସମନ୍ୱିତ 3D ବସ୍ତୁ ସହିତ ମେଳ ଖାଉ ନାହିଁ |
ତେଣୁ, ଦଳ ଏକ ବିକଳ୍ପ ପନ୍ଥା ଅନୁସନ୍ଧାନ କରିଛି ଯାହା ଉପରୋକ୍ତ ଦୁଇଟି ଆଭିମୁଖ୍ୟର ଶକ୍ତିକୁ ଏକତ୍ର କରିବାକୁ ଲକ୍ଷ୍ୟ ରଖିଛି, ପାଠ୍ୟ-ପ୍ରତିଛବି ଯୁଗଳର ଏକ ବୃହତ ସେଟ୍ ଉପରେ ତାଲିମ ପ୍ରାପ୍ତ ଏକ ପାଠ୍ୟ-ପ୍ରତିଛବି ବିସ୍ତାର ମଡେଲ ବ୍ୟବହାର କରି (ଏହାକୁ ବିବିଧ ଏବଂ ଜଟିଳ ସଙ୍କେତ ପରିଚାଳନା କରିବାକୁ ଅନୁମତି ଦିଏ) ଏବଂ ଏକ 3D ପ୍ରତିଛବି ବିସ୍ତାର ମଡେଲ ପାଠ୍ୟ-ପ୍ରତିଛବି ଯୁଗଳର ଏକ ଛୋଟ ସେଟ୍ ଉପରେ ତାଲିମ ପ୍ରାପ୍ତ |ପ୍ରତିଛବି- 3D ଯୁଗଳ ଡାଟାସେଟ୍ |ଟେକ୍ସଟ୍-ଟୁ-ଇମେଜ୍ ମଡେଲ୍ ପ୍ରଥମେ ଏକ ସିନ୍ଥେଟିକ୍ ଉପସ୍ଥାପନା ସୃଷ୍ଟି କରିବାକୁ ଇନପୁଟ୍ ଇମେଜ୍ ନମୁନା କରେ, ଏବଂ ଇମେଜ୍-ଟୁ-3D ମଡେଲ୍ ମନୋନୀତ ପ୍ରତିଛବି ଉପରେ ଆଧାର କରି ଏକ 3D ପଏଣ୍ଟ କ୍ଲାଉଡ୍ ସୃଷ୍ଟି କରେ |
କମାଣ୍ଡର ଜେନେରେଟିଭ୍ ଷ୍ଟାକ ପାଠ୍ୟରୁ ସର୍ତ୍ତମୂଳକ ଭାବରେ ପ୍ରତିଛବି ସୃଷ୍ଟି କରିବା ପାଇଁ ନିକଟରେ ପ୍ରସ୍ତାବିତ ଜେନେରେଟିଭ୍ framework ାଞ୍ଚା ଉପରେ ଆଧାରିତ (ସୋହଲ୍-ଡିକଷ୍ଟାଇନ୍ ଏଟ୍ ଆଲ୍।, 2015; ଗୀତ ଏବଂ ଏର୍ମନ୍, 2020 ବି; ହୋ ଏଟ୍ ଆଲ୍।, 2020)।ସେମାନେ 3 ବିଲିୟନ GLIDE ପାରାମିଟର (ନିକୋଲ୍ ଏଟ୍ ଆଲ୍।, 2021) ସହିତ ଏକ GLIDE ମଡେଲ୍ ବ୍ୟବହାର କରନ୍ତି, ରେଣ୍ଡେଡ୍ 3D ମଡେଲଗୁଡିକ ଉପରେ ସେମାନଙ୍କର ଟେକ୍ସଟ୍-ଟୁ-ଇମେଜ୍ ଟ୍ରାନ୍ସଫର୍ମେସନ୍ ମଡେଲ୍ ଭାବରେ ଏବଂ ଡିଫ୍ୟୁଜନ୍ ମଡେଲଗୁଡିକର ଏକ ସେଟ୍ ଯାହା RGB ପଏଣ୍ଟ କ୍ଲାଉଡ୍ ସୃଷ୍ଟି କରେ | ରୂପାନ୍ତର ମଡେଲ |ପ୍ରତିଛବି ପ୍ରତିଛବି3D ମଡେଲ୍ |
ପୂର୍ବ କାର୍ଯ୍ୟ ପଏଣ୍ଟ କ୍ଲାଉଡ୍ ପ୍ରକ୍ରିୟାକରଣ ପାଇଁ 3D ସ୍ଥାପତ୍ୟ ବ୍ୟବହାର କରୁଥିବାବେଳେ, ଅନୁସନ୍ଧାନକାରୀମାନେ ଦକ୍ଷତାକୁ ଉନ୍ନତ କରିବା ପାଇଁ ଏକ ସରଳ ଟ୍ରାନ୍ସଡୁସର-ଆଧାରିତ ମଡେଲ୍ (ଭାସୱାନି ଏଟ୍ ଆଲ୍।, 2017) ବ୍ୟବହାର କରିଥିଲେ |ସେମାନଙ୍କର ବିସ୍ତାର ମଡେଲ ସ୍ଥାପତ୍ୟରେ, ପଏଣ୍ଟ କ୍ଲାଉଡ୍ ପ୍ରତିଛବିଗୁଡ଼ିକ ପ୍ରଥମେ ଏକ ତାଲିମପ୍ରାପ୍ତ ViT-L / 14 CLIP ମଡେଲରେ ଖିଆଯାଏ ଏବଂ ତା’ପରେ ଆଉଟପୁଟ୍ ମେସ୍ଗୁଡ଼ିକୁ ମାର୍କର ଭାବରେ କନଭର୍ଟରରେ ଖାଇବାକୁ ଦିଆଯାଏ |
ସେମାନଙ୍କର ପରୀକ୍ଷାମୂଳକ ଅଧ୍ୟୟନରେ, ଦଳ COCO ଅବଜେକ୍ଟ ଚିହ୍ନଟ, ସେଗମେଣ୍ଟେସନ୍ ଏବଂ ସ୍ ature ାକ୍ଷର ଡାଟାସେଟରୁ ସିଗନାଲ୍ ସ୍କୋରିଂ ଉପରେ ଅନ୍ୟ ଜେନେରେଟିଭ୍ 3D ମଡେଲ୍ ସହିତ ପ୍ରସ୍ତାବିତ ପଏଣ୍ଟ · ଇ ପଦ୍ଧତିକୁ ତୁଳନା କରିଥିଲେ |ଫଳାଫଳଗୁଡିକ ନିଶ୍ଚିତ କରେ ଯେ ପଏଣ୍ଟ · ଇ ଜଟିଳ ପାଠ୍ୟ ସଙ୍କେତରୁ ବିବିଧ ଏବଂ ଜଟିଳ 3D ଆକୃତି ସୃଷ୍ଟି କରିବାରେ ସକ୍ଷମ ଏବଂ ଏକରୁ ଦୁଇଟି କ୍ରମାଙ୍କରେ ଇନଫେରେନ୍ସ ସମୟକୁ ତ୍ୱରାନ୍ୱିତ କରେ |ଦଳ ଆଶା କରୁଛି ଯେ ସେମାନଙ୍କର କାର୍ଯ୍ୟ 3D ପାଠ୍ୟ ସିନ୍ଥେସିସ୍ ଉପରେ ଅଧିକ ଅନୁସନ୍ଧାନ ପାଇଁ ପ୍ରେରଣା ଯୋଗାଇବ |
ପ୍ରକଳ୍ପର GitHub ରେ ଏକ ପୂର୍ବ ନିର୍ଦ୍ଧାରିତ ପଏଣ୍ଟ କ୍ଲାଉଡ୍ ପ୍ରଚାର ମଡେଲ ଏବଂ ମୂଲ୍ୟାଙ୍କନ କୋଡ୍ ଉପଲବ୍ଧ |ଡକ୍ୟୁମେଣ୍ଟ୍ ପଏଣ୍ଟ-ଇ: ଜଟିଳ ସୂତ୍ରରୁ 3D ପଏଣ୍ଟ କ୍ଲାଉଡ୍ ସୃଷ୍ଟି କରିବା ପାଇଁ ଏକ ସିଷ୍ଟମ୍ arXiv ରେ ଅଛି |
ଆମେ ଜାଣୁ ଯେ ଆପଣ କ news ଣସି ଖବର କିମ୍ବା ବ scientific ଜ୍ଞାନିକ ଆବିଷ୍କାରକୁ ହାତଛଡ଼ା କରିବାକୁ ଚାହୁଁନାହାଁନ୍ତି |ସାପ୍ତାହିକ AI ଅଦ୍ୟତନ ଗ୍ରହଣ କରିବାକୁ ଆମର ଲୋକପ୍ରିୟ ସିଙ୍କେଡ୍ ଗ୍ଲୋବାଲ୍ AI ସାପ୍ତାହିକ ସମ୍ବାଦପତ୍ରକୁ ସବସ୍କ୍ରାଇବ କରନ୍ତୁ |


ପୋଷ୍ଟ ସମୟ: ଡିସେମ୍ବର -28-2022 |