واضح نتیجہ برآمد کرنے کے لئے ناسا کی اسپیس فوٹو گرافی کا دوبارہ عکس بندی۔ اب اسپیس فلائٹ
NVIDIA طویل عرصے سے اپنے بے نقاب گرافکس پروسیسنگ یونٹوں (جی پی یو) کے لئے جانا جاتا ہے ، اس کی اصل مصنوعات NVIDIA GeForce کارڈ ہے۔ اس کے ساتھ ہی ، یہ ویڈیو ویڈیو گیمز ، گرافک ڈیزائن ، ڈیٹا پروسیسنگ ، اور آٹوموٹو گاڑیوں میں مصنوعی ذہانت کو بڑھانے کے تجربے کی تحقیق اور نشوونما میں ہمیشہ آگے اور مرکز رہی ہے۔
ابھی حال ہی میں ، NVIDIA نے اپنے حالیہ منصوبے کے ساتھ ہی درجہ حرارت اور رنگت کی بنیاد پر درجہ بندی کی گئی سیکڑوں واضح اور دھندلی امیجوں کے مابین محل وقوع کے کم فرق کو جانچنے کے لئے گاؤس الگورتھم کا استعمال کرتے ہوئے پیش گوئی کرنے والی تصاویر کے سمارٹ ری میجنگ پر بہت زیادہ توجہ مرکوز کرتے ہوئے تنہائی میں مصنوعی ذہانت پر توجہ مرکوز کرنا شروع کردی ہے۔ اور پھر ان اقدار کو انفرادی دھندلی تصویروں کے رجعت اظہار میں داخل کرنا تاکہ ان کی اصل واضح تصاویر کی طرح دکھائی دے سکیں۔ یہ عمل تصویر کے ہر نکتے پر انفرادی طور پر انجام دیا جاتا ہے اور ایک مشترکہ کم سے کم فرق والی قیمت پیدا کرنے کے لئے استعمال کیا جاتا ہے۔
NVIDIA آفس۔ ٹویٹر پر نیس ڈاق
الگورتھم ماضی کی کوششوں سے سیکھنے کے لئے کام کرتا ہے جو اسکرین پر کچھ خاص رنگ اور نمونوں کی نشاندہی کرتا ہے۔ جب یہ نظام تیار کیا گیا تھا ، تو یہ ہزاروں کی تعداد میں دھندلی اور اصل تصاویر تھیں تاکہ مشین اس بات کی نشاندہی کرسکے کہ اسکرین پر کون سے نمونوں اور رنگوں سے مطابقت پذیر ہے کہ اصل تصویر میں کون سے نالی اور کنارے ہیں کئی بار جانچ پڑتال کے بعد ، NVIDIA نے اپنی AI چپ کو پچھلے ٹرائلز سے سبق سیکھنے اور مماثل گرافک کوڈز کے ایک ڈیٹا بیس کو اسٹور کرنے میں کامیاب کیا ہے جو محل وقوع ، رنگت اور درجہ حرارت کی بنیاد پر ریاضی کے کوڈ میں تبدیل ہوجاتے ہیں۔ ماضی کے تجربے اور ایک ہی لوکس اور ٹنٹ کی دھندلی اور واضح تصاویر کے مابین قائم رشتوں کا استعمال کرتے ہوئے ، مشین نئی تصاویر کے ساتھ شگاف ڈالتی ہے ، اور ایسے فارمولوں کو استعمال کرتی ہے جو نئی تصویر کے ٹنٹ اور درجہ حرارت سے بہترین ملتے ہیں۔ این وی آئی ڈی آئی اے نے اپنے الگورتھم کو ٹرائلز کے ذریعہ ایک مضبوط کافی برقرار رکھے ہوئے ڈیٹا بیس کو حاصل کیا ہے جس کی مدد سے نئی تصاویر میں کام کرنے پر اے آئی ٹپ کرسکتی ہے اور میکانزم اب خود کھڑا ہے ، جو کمک سیکھنے کی تربیت (آر ایل) کی تربیت سے عملی طور پر کسی بھی نقش کو ننگا کرنے میں کامیاب ہے۔ . کافی چہروں کو ننگا کرنے کے بعد ، مثال کے طور پر ، جب جانچ پڑتال کی جائے تو یہ مشین دھندلی چہرے بناسکتی ہے کیونکہ یہ سمجھتا ہے کہ کون سے دھندلا نالیوں کے چہرے کی خصوصیات سچائی کے مطابق ہیں۔ شور کی مختلف اقسام کے لئے نمائش جیسے کہ اوورسٹریچڈ ، وائٹ واشڈ ، فلٹر ، اور بناوٹ والی تصاویر نے الگورتھم کے ڈیٹا بیس میں بھی اضافہ کیا ہے۔
الگورتھم میں ریاضی زبان ، پروگرام ، اسی ڈیٹا بیس میں اسی طرح کی تصاویر ، لاگ ان x ، y ، x ’، اور y’ پر اسی طرح کی خراب اور واضح لوکی پڑھتا ہے۔ اس کے بعد یہ دونوں کے مابین پائے جانے والے اختلافات کو پورا کرنے کے لئے ایک گوسی رجریشن وکر تشکیل دیتا ہے جو عام فوٹو گرافی کے شور پر مبنی تبادلوں کی اجازت دیتا ہے۔ کم از کم اسکوائروں میں رجعت اظہار پیدا ہوتا ہے ، اس نچلی قیمت سے جو شرط کو پورا کرتا ہے لیا جاتا ہے اور گوسوئ ویلیو کا ایک نیا رخ تیار کیا جاتا ہے۔ جب تصویر کو اس کے اصل واضح معیار میں تبدیل کرتے ہو تو ، AI مشین کے ڈیٹا بیس میں رجعت پیٹرن کے فرق کی بنا پر ہر نقطہ حرارت کو تبدیل کیا جاتا ہے جو اس مخصوص رنگ اور نمونہ کے مساوی ہوتا ہے اور ہر واضح نقطہ کو ایک مکمل واضح امیج تیار کرنے کے لئے موڑ دیا جاتا ہے۔ شور کی سب سے زیادہ عام شکلوں میں گوسیاوی گھماؤ کے طریقہ کار کے عوامل ہیں لیکن اگر آلہ شور کی دوسری شکلوں کی شناخت کرنے میں کامیاب ہوجاتا ہے جو اکثر غیر وقتی شٹر اسپیڈ یا نقش کی عام شیڈنگ کی وجہ سے منسوب ہوتے ہیں تو ، گاوشی کم سے کم فرق کی اوسط کے ساتھ اوسط کیا جاتا ہے ڈیٹا سیٹ کا زہر (سابقہ لوگوں کے لئے) اور برنولی (بعد کے لئے) کم از کم فرق کی اقدار بھی۔
مصنوعی انٹلیجنس کی مدد سے فوٹو ری آئیمنگ۔ بی ٹی
عام لوگوں کی شرائط میں ، مصنوعی ذہانت نے اس میں جو کردار ادا کیا ہے وہ آلہ کے ذریعہ پہلے ہی آزمائے گئے ایک پریکٹس پر مبنی انوکھا فوٹو کا سمارٹ کھوج اور تبادلہ ہے۔ آج جب یہ مصنوعی ذہانت کی سطح کی سطح پر آجاتا ہے ، جو اب بھی اس مرحلے پر ہے جہاں وہ خاص طور پر آزاد نہیں ہے اور اس کی کوششیں منظرنامے کی حد تک ہی محدود ہیں ، تو NVIDIA نے ایسی مشین بنانے میں بہت حد تک کامیابی حاصل کی ہے جو کوشش کر سکتی ہے اور دوبارہ تخلیق کرسکتی ہے۔ اس کے بعد کی فوٹو گرافی کے کاروبار کی کامیابی کی شرح کو بہتر بنانے کے ل its اس کے ڈیٹا بیس کو مستقل شکل میں ڈھالنے اور اس میں توسیع کرکے اعلی سطح کی درستگی کے ساتھ نظر نہ آنے والی تصاویر۔
