മെറ്റാ SAM 3 ഉം SAM 3D ഉം അവതരിപ്പിക്കുന്നു: വിഷ്വൽ AI യുടെ ഒരു പുതിയ തലമുറ

മെറ്റാ അതിന്റെ പ്രതിബദ്ധതയിൽ മറ്റൊരു ചുവടുവയ്പ്പ് കൂടി നടത്തി കമ്പ്യൂട്ടർ കാഴ്ചയിൽ കൃത്രിമബുദ്ധി പ്രയോഗിച്ചു കൂടെ SAM 3 യുടെയും SAM 3D യുടെയും വിക്ഷേപണം, സെഗ്മെന്റ് എനിതിംഗ് ഫാമിലിയെ വികസിപ്പിക്കുന്ന രണ്ട് മോഡലുകൾ, അത് ഫോട്ടോകളും വീഡിയോകളും ഉപയോഗിച്ച് ഞങ്ങൾ പ്രവർത്തിക്കുന്ന രീതി മാറ്റുകയാണ് അവരുടെ ലക്ഷ്യം.ഒരു ലബോറട്ടറി പരീക്ഷണമായി തുടരുന്നതിനുപകരം, സാങ്കേതിക പശ്ചാത്തലമില്ലാത്ത പ്രൊഫഷണലുകളും ഉപയോക്താക്കളും ഈ ഉപകരണങ്ങൾ ഉപയോഗിക്കണമെന്ന് കമ്പനി ആഗ്രഹിക്കുന്നു.

ഈ പുതിയ തലമുറയിൽ, മെറ്റാ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത് ഒബ്ജക്റ്റ് കണ്ടെത്തലും വിഭജനവും മെച്ചപ്പെടുത്തുക കൊണ്ടുവരുന്നതിലും കൂടുതൽ വിശാലമായ പ്രേക്ഷകർക്കായി ത്രിമാന പുനർനിർമ്മാണംസ്പെയിനിലും യൂറോപ്പിന്റെ മറ്റ് ഭാഗങ്ങളിലും ഇ-കൊമേഴ്‌സിനായുള്ള വീഡിയോ എഡിറ്റിംഗ് മുതൽ ഉൽപ്പന്ന ദൃശ്യവൽക്കരണം വരെ, കമ്പനി ഒരു സാഹചര്യം വിഭാവനം ചെയ്യുന്നു, അതിൽ നിങ്ങൾ എന്താണ് ചെയ്യാൻ ആഗ്രഹിക്കുന്നതെന്ന് വാക്കുകളിൽ വിവരിച്ചാൽ മതി, AI-ക്ക് ഭാരിച്ച ജോലികളിൽ ഭൂരിഭാഗവും ചെയ്യാൻ കഴിയും..

മുൻ പതിപ്പുകളെ അപേക്ഷിച്ച് SAM 3 എന്താണ് വാഗ്ദാനം ചെയ്യുന്നത്?

SAM 3 നെ നേരിട്ടുള്ള പരിണാമമായി സ്ഥാപിച്ചിരിക്കുന്നു. 2023 ലും 2024 ലും മെറ്റാ അവതരിപ്പിച്ച സെഗ്മെന്റേഷൻ മോഡലുകളുടെ, SAM 1, SAM 2 എന്നറിയപ്പെടുന്നു. ആ ആദ്യകാല പതിപ്പുകൾ ഓരോ വസ്തുവിന്റെയും പിക്സലുകൾ ഏതൊക്കെയാണെന്ന് തിരിച്ചറിയുന്നതിലായിരുന്നു ശ്രദ്ധ കേന്ദ്രീകരിച്ചത്, പ്രധാനമായും ഡോട്ടുകൾ, ബോക്സുകൾ അല്ലെങ്കിൽ മാസ്കുകൾ പോലുള്ള ദൃശ്യ സൂചനകൾ ഉപയോഗിച്ചും, SAM 2 ന്റെ കാര്യത്തിൽ, ഒരു വീഡിയോയിലുടനീളം ഏതാണ്ട് തത്സമയം വസ്തുക്കളെ പിന്തുടരുന്നതിലും.

SAM 3 മനസ്സിലാക്കുന്നു എന്നതാണ് ഇപ്പോൾ പ്രധാനമായ പുതിയ വികസനം സമ്പന്നവും കൃത്യവുമായ ടെക്സ്റ്റ് പ്രോംപ്റ്റുകൾപൊതുവായ ലേബലുകൾ മാത്രമല്ല. "കാർ" അല്ലെങ്കിൽ "ബസ്" പോലുള്ള ലളിതമായ പദങ്ങൾ ഉപയോഗിക്കുന്നതിന് മുമ്പ്, പുതിയ മോഡലിന് "മഞ്ഞ സ്കൂൾ ബസ്" അല്ലെങ്കിൽ "ചുവപ്പ് കാർ ഇരട്ട പാർക്ക് ചെയ്തിരിക്കുന്നു" പോലുള്ള കൂടുതൽ വ്യക്തമായ വിവരണങ്ങൾക്ക് പ്രതികരിക്കാൻ കഴിയും.

പ്രായോഗികമായി, ഇതുപോലുള്ള എന്തെങ്കിലും എഴുതിയാൽ മതി എന്നാണ് ഇതിനർത്ഥം "ചുവന്ന ബേസ്ബോൾ തൊപ്പി" ഒരു ചിത്രത്തിലോ വീഡിയോയിലോ ആ വിവരണത്തിന് അനുയോജ്യമായ എല്ലാ ഘടകങ്ങളും സിസ്റ്റത്തിന് കണ്ടെത്താനും വേർതിരിക്കാനും കഴിയും. വാക്കുകൾ ഉപയോഗിച്ച് പരിഷ്കരിക്കാനുള്ള ഈ കഴിവ് പ്രത്യേകിച്ചും ഉപയോഗപ്രദമാണ്. പ്രൊഫഷണൽ എഡിറ്റിംഗ് സന്ദർഭങ്ങൾ, പരസ്യം ചെയ്യൽ അല്ലെങ്കിൽ ഉള്ളടക്ക വിശകലനം, അവിടെ നിങ്ങൾ പലപ്പോഴും വളരെ നിർദ്ദിഷ്ട വിശദാംശങ്ങൾ നോക്കേണ്ടതുണ്ട്.

കൂടാതെ, SAM 3 സംയോജിപ്പിക്കാൻ രൂപകൽപ്പന ചെയ്‌തിരിക്കുന്നു വലിയ മൾട്ടിമോഡൽ ഭാഷാ മോഡലുകൾഇത് ലളിതമായ ശൈലികൾക്കപ്പുറം പോയി ഇനിപ്പറയുന്നതുപോലുള്ള സങ്കീർണ്ണമായ നിർദ്ദേശങ്ങൾ ഉപയോഗിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു: "ചുവന്ന തൊപ്പി ധരിക്കാതെ ഇരിക്കുന്ന ആളുകൾ" അല്ലെങ്കിൽ "ബാക്ക്പാക്ക് ഇല്ലാതെ ക്യാമറയിലേക്ക് നോക്കുന്ന കാൽനടയാത്രക്കാർ." അടുത്തിടെ വരെ ഒരു കമ്പ്യൂട്ടർ വിഷൻ ടൂളിലേക്ക് വിവർത്തനം ചെയ്യാൻ ബുദ്ധിമുട്ടായിരുന്ന അവസ്ഥകളും ഒഴിവാക്കലുകളും സംയോജിപ്പിക്കുന്ന തരത്തിലുള്ള നിർദ്ദേശമാണിത്.

SAM 3 മോഡലിന്റെ പ്രകടനവും സ്കെയിലും

അത്ര ദൃശ്യമല്ലാത്തതും എന്നാൽ നിർണായകവുമായ ഭാഗം എടുത്തുകാണിക്കാനും മെറ്റാ ആഗ്രഹിച്ചു: സാങ്കേതിക പ്രകടനത്തിന്റെയും അറിവിന്റെയും അളവ് കമ്പനിയുടെ ഡാറ്റ അനുസരിച്ച്, SAM 3 ന് ഒരു H200 GPU ഉപയോഗിച്ച് ഏകദേശം 30 മില്ലിസെക്കൻഡിനുള്ളിൽ നൂറിലധികം കണ്ടെത്തിയ വസ്തുക്കളുള്ള ഒരു ഇമേജ് പ്രോസസ്സ് ചെയ്യാൻ കഴിയും, ഇത് ആവശ്യപ്പെടുന്ന വർക്ക്ഫ്ലോകൾക്ക് ആവശ്യമായ വേഗതയ്ക്ക് വളരെ അടുത്താണ്.

വീഡിയോയുടെ കാര്യത്തിൽ, സിസ്റ്റം പ്രകടനം നിലനിർത്തുന്നുവെന്ന് സ്ഥാപനം ഉറപ്പുനൽകുന്നു. ഫലത്തിൽ തത്സമയം ഒരേസമയം അഞ്ച് ഒബ്‌ജക്‌റ്റുകളുമായി പ്രവർത്തിക്കുമ്പോൾ, ഹ്രസ്വ സോഷ്യൽ മീഡിയ ക്ലിപ്പുകൾ മുതൽ കൂടുതൽ അഭിലഷണീയമായ പ്രൊഡക്ഷൻ പ്രോജക്ടുകൾ വരെ ചലിക്കുന്ന ഉള്ളടക്കം ട്രാക്ക് ചെയ്യുന്നതിനും വിഭജിക്കുന്നതിനും ഇത് പ്രായോഗികമാക്കുന്നു.

ഈ സ്വഭാവം കൈവരിക്കുന്നതിനായി, മെറ്റാ കൂടുതൽ ഉള്ള ഒരു പരിശീലന അടിത്തറ നിർമ്മിച്ചിട്ടുണ്ട് 4 ദശലക്ഷം അതുല്യമായ ആശയങ്ങൾവലിയ അളവിലുള്ള ഡാറ്റ ലേബൽ ചെയ്യാൻ സഹായിക്കുന്നതിന് മനുഷ്യ വ്യാഖ്യാനകരെ AI മോഡലുകളുമായി സംയോജിപ്പിച്ച്, മാനുവൽ, ഓട്ടോമേറ്റഡ് മേൽനോട്ടത്തിന്റെ ഈ മിശ്രിതം കൃത്യതയും സ്കെയിലും സന്തുലിതമാക്കാൻ ലക്ഷ്യമിടുന്നു - യൂറോപ്യൻ, ലാറ്റിൻ അമേരിക്കൻ, മറ്റ് വിപണി സന്ദർഭങ്ങളിലെ വൈവിധ്യമാർന്ന ഇൻപുട്ടുകളോട് മോഡൽ നന്നായി പ്രതികരിക്കുന്നുവെന്ന് ഉറപ്പാക്കുന്നതിനുള്ള താക്കോൽ.

കമ്പനി SAM 3 നെ അതിന്റെ ഘടനയിൽ ഉൾപ്പെടുത്തുന്നു. സെഗ്മെന്റ് എന്തും ശേഖരംAI-യുടെ ദൃശ്യ ധാരണ വികസിപ്പിക്കുന്നതിനായി രൂപകൽപ്പന ചെയ്‌തിരിക്കുന്ന മോഡലുകൾ, ബെഞ്ച്‌മാർക്കുകൾ, ഉറവിടങ്ങൾ എന്നിവയുടെ ഒരു കുടുംബം. "തുറന്ന പദാവലി" സെഗ്‌മെന്റേഷനായുള്ള ഒരു പുതിയ ബെഞ്ച്‌മാർക്കും ഈ സമാരംഭത്തോടൊപ്പം ഉണ്ട്, സ്വാഭാവിക ഭാഷയിൽ പ്രകടിപ്പിക്കുന്ന ഏതൊരു ആശയവും സിസ്റ്റത്തിന് എത്രത്തോളം മനസ്സിലാക്കാൻ കഴിയുമെന്ന് അളക്കുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു.

എഡിറ്റുകൾ, വൈബുകൾ, മറ്റ് മെറ്റാ ടൂളുകൾ എന്നിവയുമായുള്ള സംയോജനം

സാങ്കേതിക ഘടകത്തിനപ്പുറം, മെറ്റാ ഇതിനകം തന്നെ നിർദ്ദിഷ്ട ഉൽപ്പന്നങ്ങളിൽ SAM 3 സംയോജിപ്പിക്കുക ദൈനംദിന ഉപയോഗത്തിനായി ഉദ്ദേശിച്ചിട്ടുള്ളവ. ആദ്യ ലക്ഷ്യസ്ഥാനങ്ങളിലൊന്ന് എഡിറ്റുകൾ ആയിരിക്കും., അവരുടെ വീഡിയോ സൃഷ്ടിക്കൽ, എഡിറ്റിംഗ് ആപ്ലിക്കേഷൻ, ഇവിടെ ഉപയോക്താവിന് ലളിതമായ ഒരു ടെക്സ്റ്റ് വിവരണത്തിലൂടെ നിർദ്ദിഷ്ട ആളുകളെയോ വസ്തുക്കളെയോ തിരഞ്ഞെടുക്കാനും ഫൂട്ടേജിന്റെ ആ ഭാഗങ്ങളിൽ മാത്രം ഇഫക്റ്റുകൾ, ഫിൽട്ടറുകൾ അല്ലെങ്കിൽ മാറ്റങ്ങൾ പ്രയോഗിക്കാനും കഴിയും എന്നതാണ് ആശയം.

സംയോജനത്തിനുള്ള മറ്റൊരു വഴി കണ്ടെത്തും മെറ്റാ AI ആപ്പിലും meta.ai പ്ലാറ്റ്‌ഫോമിലും വൈബ്‌സ്ഈ പരിതസ്ഥിതിയിൽ, സ്പെയിനിലും യൂറോപ്പിന്റെ മറ്റ് ഭാഗങ്ങളിലും വളരെ പ്രചാരത്തിലുള്ള സോഷ്യൽ നെറ്റ്‌വർക്കുകൾക്കായി രൂപകൽപ്പന ചെയ്‌തിരിക്കുന്ന ഇഷ്‌ടാനുസൃത പശ്ചാത്തലങ്ങൾ, ചലന ഇഫക്റ്റുകൾ അല്ലെങ്കിൽ തിരഞ്ഞെടുത്ത ഫോട്ടോ പരിഷ്‌ക്കരണങ്ങൾ പോലുള്ള പുതിയ എഡിറ്റിംഗും സൃഷ്ടിപരമായ അനുഭവങ്ങളും സൃഷ്ടിക്കുന്നതിന് ടെക്സ്റ്റ് സെഗ്‌മെന്റേഷൻ ജനറേറ്റീവ് ടൂളുകളുമായി സംയോജിപ്പിക്കും.

ഈ കഴിവുകൾ പ്രൊഫഷണൽ പഠനങ്ങളിൽ മാത്രമായി പരിമിതപ്പെടുത്തരുത്, മറിച്ച്... എന്നതിലേക്ക് എത്തിച്ചേരുക എന്നതാണ് കമ്പനിയുടെ നിർദ്ദേശം. സ്വതന്ത്ര സ്രഷ്ടാക്കൾ, ചെറിയ ഏജൻസികൾ, നൂതന ഉപയോക്താക്കൾ ദൃശ്യ ഉള്ളടക്കവുമായി ദിവസവും പ്രവർത്തിക്കുന്നവർ. മാനുവൽ മാസ്കുകളും ലെയറുകളും അടിസ്ഥാനമാക്കിയുള്ള പരമ്പരാഗത ഉപകരണങ്ങളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, സ്വാഭാവിക ഭാഷയിൽ വിവരണങ്ങൾ എഴുതി രംഗങ്ങൾ വേർതിരിക്കാനുള്ള കഴിവ് പഠന വക്രം കുറയ്ക്കുന്നു.

അതേസമയം, ബാഹ്യ ഡെവലപ്പർമാരോട് മെറ്റാ തുറന്ന സമീപനം പുലർത്തുന്നു, ഇത് നിർദ്ദേശിക്കുന്നു മൂന്നാം കക്ഷി അപ്ലിക്കേഷനുകൾ എഡിറ്റിംഗ് ടൂളുകൾ മുതൽ റീട്ടെയിലിലോ സുരക്ഷയിലോ വീഡിയോ അനലിറ്റിക്സിനുള്ള പരിഹാരങ്ങൾ വരെ - കമ്പനിയുടെ ഉപയോഗ നയങ്ങൾ മാനിക്കപ്പെടുന്നിടത്തോളം കാലം SAM 3-നെ ആശ്രയിക്കാൻ കഴിയും.

SAM 3D: ഒരൊറ്റ ചിത്രത്തിൽ നിന്നുള്ള ത്രിമാന പുനർനിർമ്മാണം.

മറ്റൊരു പ്രധാന വാർത്ത സാം 3Dനിർവഹിക്കാൻ രൂപകൽപ്പന ചെയ്ത ഒരു സിസ്റ്റം ത്രിമാന പുനർനിർമ്മാണങ്ങൾ 2D ഇമേജുകളിൽ നിന്ന് ആരംഭിക്കുന്നു. വ്യത്യസ്ത കോണുകളിൽ നിന്ന് ഒന്നിലധികം ക്യാപ്‌ചറുകൾ ആവശ്യമില്ലാതെ, ഒരൊറ്റ ഫോട്ടോയിൽ നിന്ന് വിശ്വസനീയമായ ഒരു 3D പ്രാതിനിധ്യം സൃഷ്ടിക്കുക എന്നതാണ് മോഡൽ ലക്ഷ്യമിടുന്നത്, പ്രത്യേക സ്കാനിംഗ് ഉപകരണങ്ങളോ വർക്ക്ഫ്ലോകളോ ഇല്ലാത്തവർക്ക് ഇത് പ്രത്യേകിച്ചും രസകരമാണ്.

വ്യത്യസ്ത പ്രവർത്തനങ്ങളുള്ള രണ്ട് ഓപ്പൺ സോഴ്‌സ് മോഡലുകളാണ് SAM 3Dയിൽ ഉള്ളത്: SAM 3D വസ്തുക്കൾവസ്തുക്കളെയും ദൃശ്യങ്ങളെയും പുനർനിർമ്മിക്കുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ചു, കൂടാതെ SAM 3D ബോഡിമനുഷ്യന്റെ ആകൃതിയും ശരീരവും കണക്കാക്കാൻ ലക്ഷ്യമിട്ടുള്ളതാണ് ഈ വേർതിരിവ്. ഉൽപ്പന്ന കാറ്റലോഗുകൾ മുതൽ ആരോഗ്യ അല്ലെങ്കിൽ കായിക ആപ്ലിക്കേഷനുകൾ വരെയുള്ള വളരെ വ്യത്യസ്തമായ ഉപയോഗ സാഹചര്യങ്ങളുമായി സിസ്റ്റത്തെ പൊരുത്തപ്പെടുത്താൻ ഈ വേർതിരിവ് അനുവദിക്കുന്നു.

മെറ്റാ പ്രകാരം, SAM 3D ഒബ്‌ജക്‌റ്റുകൾ ഒരു AI- ഗൈഡഡ് 3D പുനർനിർമ്മാണത്തിൽ പുതിയ പ്രകടന മാനദണ്ഡംപ്രധാന ഗുണനിലവാര അളവുകളിൽ മുൻ രീതികളെ എളുപ്പത്തിൽ മറികടക്കുന്നു. ഫലങ്ങൾ കൂടുതൽ കർശനമായി വിലയിരുത്തുന്നതിനായി, വൈവിധ്യമാർന്ന ചിത്രങ്ങളിലും വസ്തുക്കളിലുമുള്ള പുനർനിർമ്മാണങ്ങളുടെ വിശ്വാസ്യതയും വിശദാംശങ്ങളും വിലയിരുത്തുന്നതിനായി പ്രത്യേകം രൂപകൽപ്പന ചെയ്ത ഒരു ഡാറ്റാസെറ്റായ SAM 3D ആർട്ടിസ്റ്റ് ഒബ്‌ജക്‌റ്റുകൾ സൃഷ്ടിക്കാൻ കമ്പനി കലാകാരന്മാരുമായി പ്രവർത്തിച്ചിട്ടുണ്ട്.

ഈ മുന്നേറ്റം ഇനിപ്പറയുന്നതുപോലുള്ള മേഖലകളിലെ പ്രായോഗിക പ്രയോഗങ്ങൾക്ക് വാതിൽ തുറക്കുന്നു റോബോട്ടിക്സ്, ശാസ്ത്രം, സ്പോർട്സ് മെഡിസിൻ, അല്ലെങ്കിൽ ഡിജിറ്റൽ സർഗ്ഗാത്മകതഉദാഹരണത്തിന്, റോബോട്ടിക്സിൽ, സിസ്റ്റങ്ങൾക്ക് അവ ഇടപഴകുന്ന വസ്തുക്കളുടെ വ്യാപ്തം നന്നായി മനസ്സിലാക്കാൻ ഇത് സഹായിക്കും; മെഡിക്കൽ അല്ലെങ്കിൽ സ്പോർട്സ് ഗവേഷണത്തിൽ, ശരീര ഭാവവും ചലനവും വിശകലനം ചെയ്യാൻ ഇത് സഹായിക്കും; കൂടാതെ സൃഷ്ടിപരമായ രൂപകൽപ്പനയിൽ, ആനിമേഷൻ, വീഡിയോ ഗെയിമുകൾ അല്ലെങ്കിൽ ആഴത്തിലുള്ള അനുഭവങ്ങൾക്കായി 3D മോഡലുകൾ സൃഷ്ടിക്കുന്നതിനുള്ള അടിസ്ഥാനമായി ഇത് പ്രവർത്തിക്കുന്നു.

ഇതിനകം ദൃശ്യമാകുന്ന ആദ്യത്തെ വാണിജ്യ ആപ്ലിക്കേഷനുകളിൽ ഒന്നാണ് ഫംഗ്ഷൻ "മുറിയിലെ കാഴ്ച" de Facebook Marketplaceഒരു ഫർണിച്ചറോ അലങ്കാര വസ്തുവോ വാങ്ങുന്നതിനുമുമ്പ് ഒരു യഥാർത്ഥ മുറിയിൽ എങ്ങനെ കാണപ്പെടുമെന്ന് ദൃശ്യവൽക്കരിക്കാൻ ഇത് നിങ്ങളെ അനുവദിക്കുന്നു. SAM 3D ഉപയോഗിച്ച്, ഇത്തരത്തിലുള്ള അനുഭവങ്ങൾ പൂർണതയിലെത്തിക്കാൻ മെറ്റാ ശ്രമിക്കുന്നു.യൂറോപ്യൻ ഇ-കൊമേഴ്‌സിന് ഇത് വളരെ പ്രസക്തമാണ്, കാരണം പ്രതീക്ഷകൾ നിറവേറ്റാത്തതിനാൽ ഉൽപ്പന്നങ്ങൾ തിരികെ നൽകുന്നത് ചെലവ് വർദ്ധിപ്പിക്കുന്നതിന് കാരണമാകുന്നു.

അനുബന്ധ ലേഖനം:

മെറ്റയുടെ SAM 3 ഉം SAM 3D ഉം ഉപയോഗിച്ച് ആളുകളെയും വസ്തുക്കളെയും 3D യിലേക്ക് പരിവർത്തനം ചെയ്യുക.

സെഗ്മെന്റ് എന്തും കളിസ്ഥലം: പരീക്ഷണത്തിനുള്ള ഒരു അന്തരീക്ഷം

ഒന്നും ഇൻസ്റ്റാൾ ചെയ്യാതെ തന്നെ പൊതുജനങ്ങൾക്ക് ഈ കഴിവുകൾ പരീക്ഷിക്കാൻ അനുവദിക്കുന്നതിന്, മെറ്റാ പ്രവർത്തനക്ഷമമാക്കിയിരിക്കുന്നു സെഗ്മെന്റ് എന്തും കളിസ്ഥലംനിങ്ങളുടെ ബ്രൗസറിൽ നിന്ന് നേരിട്ട് ചിത്രങ്ങളോ വീഡിയോകളോ അപ്‌ലോഡ് ചെയ്യാനും SAM 3, SAM 3D എന്നിവ പരീക്ഷിക്കാനും നിങ്ങളെ അനുവദിക്കുന്ന ഒരു വെബ് പ്ലാറ്റ്‌ഫോമാണിത്. വിഷ്വൽ AI-യെക്കുറിച്ച് ജിജ്ഞാസയുള്ള ആർക്കും പ്രോഗ്രാമിംഗ് പരിജ്ഞാനമില്ലാതെ സാധ്യമായ കാര്യങ്ങൾ പര്യവേക്ഷണം ചെയ്യാൻ കഴിയും എന്നതാണ് ആശയം.

SAM 3 യുടെ കാര്യത്തിൽ, പ്ലേഗ്രൗണ്ട് വസ്തുക്കളെ വിഭജിക്കാൻ അനുവദിക്കുന്നു, അത് ഇനിപ്പറയുന്ന രീതിയിൽ ഉപയോഗിക്കാം: ചെറിയ വാക്യങ്ങൾ അല്ലെങ്കിൽ വിശദമായ നിർദ്ദേശങ്ങൾവാചകവും ആവശ്യമെങ്കിൽ ദൃശ്യ ഉദാഹരണങ്ങളും സംയോജിപ്പിക്കുന്നു. ഇത് ആളുകൾ, കാറുകൾ, മൃഗങ്ങൾ, അല്ലെങ്കിൽ ദൃശ്യത്തിലെ പ്രത്യേക ഘടകങ്ങൾ എന്നിവ തിരഞ്ഞെടുത്ത് അവയിൽ പ്രത്യേക പ്രവർത്തനങ്ങൾ പ്രയോഗിക്കുന്നത് പോലുള്ള സാധാരണ ജോലികൾ ലളിതമാക്കുന്നു, സൗന്ദര്യാത്മക ഇഫക്റ്റുകൾ മുതൽ മങ്ങിക്കൽ അല്ലെങ്കിൽ പശ്ചാത്തലം മാറ്റിസ്ഥാപിക്കൽ വരെ.

SAM 3D-യിൽ പ്രവർത്തിക്കുമ്പോൾ, പ്ലാറ്റ്‌ഫോം അത് സാധ്യമാക്കുന്നു പുതിയ കാഴ്ചപ്പാടുകളിൽ നിന്ന് രംഗങ്ങൾ പര്യവേക്ഷണം ചെയ്യുകവസ്തുക്കളെ പുനഃക്രമീകരിക്കുക, ത്രിമാന ഇഫക്റ്റുകൾ പ്രയോഗിക്കുക, അല്ലെങ്കിൽ ഇതര കാഴ്ചകൾ സൃഷ്ടിക്കുക. ഡിസൈൻ, പരസ്യം ചെയ്യൽ അല്ലെങ്കിൽ 3D ഉള്ളടക്കത്തിൽ പ്രവർത്തിക്കുന്നവർക്ക്, തുടക്കം മുതൽ സങ്കീർണ്ണമായ സാങ്കേതിക ഉപകരണങ്ങൾ ഉപയോഗിക്കാതെ തന്നെ ആശയങ്ങൾ പ്രോട്ടോടൈപ്പ് ചെയ്യുന്നതിനുള്ള ഒരു ദ്രുത മാർഗം ഇത് വാഗ്ദാനം ചെയ്യുന്നു.

കളിസ്ഥലത്ത് ഇനിപ്പറയുന്ന പരമ്പരകളും ഉൾപ്പെടുന്നു ഉപയോഗിക്കാൻ തയ്യാറായ ടെം‌പ്ലേറ്റുകൾ വളരെ നിർദ്ദിഷ്ട ജോലികൾ ലക്ഷ്യമിട്ടാണ് ഈ സവിശേഷതകൾ രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്. സ്വകാര്യതാ കാരണങ്ങളാൽ മുഖങ്ങളോ ലൈസൻസ് പ്ലേറ്റുകളോ പിക്സലേറ്റ് ചെയ്യൽ, വീഡിയോയിലെ താൽപ്പര്യമുള്ള മേഖലകളിലെ മോഷൻ ട്രെയിലുകൾ, സെലക്ടീവ് ഹൈലൈറ്റുകൾ അല്ലെങ്കിൽ സ്പോട്ട്ലൈറ്റുകൾ പോലുള്ള വിഷ്വൽ ഇഫക്റ്റുകൾ എന്നിവ പോലുള്ള പ്രായോഗിക ഓപ്ഷനുകൾ അവയിൽ ഉൾപ്പെടുന്നു. ഹ്രസ്വ വീഡിയോകളുടെയും സോഷ്യൽ മീഡിയ ഉള്ളടക്കത്തിന്റെയും നിർമ്മാണം സ്ഥിരമായിരിക്കുന്ന സ്പെയിനിലെ ഡിജിറ്റൽ മീഡിയയുടെയും ഉള്ളടക്ക സ്രഷ്ടാക്കളുടെയും വർക്ക്ഫ്ലോകൾക്ക് ഇത്തരം ഫംഗ്ഷനുകൾ പ്രത്യേകിച്ചും അനുയോജ്യമാകും.

ഡെവലപ്പർമാർക്കും ഗവേഷകർക്കും വേണ്ടിയുള്ള തുറന്ന ഉറവിടങ്ങൾ

മറ്റ് AI റിലീസുകളിൽ മെറ്റാ പിന്തുടർന്ന തന്ത്രത്തിന് അനുസൃതമായി, കമ്പനി ഒരു പ്രധാന ഭാഗം പുറത്തിറക്കാൻ തീരുമാനിച്ചു SAM 3, SAM 3D എന്നിവയുമായി ബന്ധപ്പെട്ട സാങ്കേതിക ഉറവിടങ്ങൾആദ്യത്തേതിന്, മോഡൽ വെയ്റ്റുകൾ, തുറന്ന പദാവലി വിഭാഗീകരണത്തിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ച ഒരു പുതിയ മാനദണ്ഡം, അതിന്റെ വികസനം വിശദീകരിക്കുന്ന ഒരു സാങ്കേതിക രേഖ എന്നിവ പരസ്യമാക്കിയിരിക്കുന്നു.

SAM 3D യുടെ കാര്യത്തിൽ, ഇനിപ്പറയുന്നവ ലഭ്യമാണ്: മോഡൽ ചെക്ക്‌പോസ്റ്റുകൾ, അനുമാന കോഡ്, ഒരു വിലയിരുത്തൽ ഡാറ്റാസെറ്റ് അടുത്ത തലമുറ. പരമ്പരാഗത 3D റഫറൻസ് പോയിന്റുകൾക്കപ്പുറത്തേക്ക് പോകാനും കൂടുതൽ യാഥാർത്ഥ്യബോധവും സങ്കീർണ്ണതയും നൽകാനും ലക്ഷ്യമിടുന്ന ഗണ്യമായ വൈവിധ്യമാർന്ന ചിത്രങ്ങളും വസ്തുക്കളും ഈ ഡാറ്റാസെറ്റിൽ ഉൾപ്പെടുന്നു, കമ്പ്യൂട്ടർ വിഷൻ, ഗ്രാഫിക്സ് എന്നിവയിൽ പ്രവർത്തിക്കുന്ന യൂറോപ്യൻ ഗവേഷണ ഗ്രൂപ്പുകൾക്ക് ഇത് വളരെ ഉപയോഗപ്രദമാകും.

ഡെവലപ്പർമാർക്കും കമ്പനികൾക്കും പ്രാപ്തമാക്കുക എന്ന ലക്ഷ്യത്തോടെ, റോബോഫ്ലോ പോലുള്ള അനോട്ടേഷൻ പ്ലാറ്റ്‌ഫോമുകളുമായുള്ള സഹകരണവും മെറ്റാ പ്രഖ്യാപിച്ചു. നിങ്ങളുടെ സ്വന്തം ഡാറ്റ നൽകി SAM 3 ക്രമീകരിക്കുക പ്രത്യേക ആവശ്യങ്ങളിലേക്ക്. വ്യാവസായിക പരിശോധന മുതൽ നഗര ഗതാഗത വിശകലനം വരെയുള്ള മേഖലാ-നിർദ്ദിഷ്ട പരിഹാരങ്ങളിലേക്കുള്ള വാതിൽ ഇത് തുറക്കുന്നു, വാസ്തുവിദ്യാ അല്ലെങ്കിൽ കലാപരമായ ഘടകങ്ങൾ കൃത്യമായി വിഭജിക്കേണ്ടത് പ്രധാനമായ സാംസ്കാരിക പൈതൃക പദ്ധതികൾ ഉൾപ്പെടെ.

താരതമ്യേന തുറന്ന സമീപനം തിരഞ്ഞെടുക്കുന്നതിലൂടെ, കമ്പനി ഡെവലപ്പർ ആവാസവ്യവസ്ഥ ഉറപ്പാക്കാൻ ശ്രമിക്കുന്നു, സർവകലാശാലകളും സ്റ്റാർട്ടപ്പുകളും -സ്പെയിനിലും യൂറോപ്പിന്റെ മറ്റ് ഭാഗങ്ങളിലും പ്രവർത്തിക്കുന്നവ ഉൾപ്പെടെ - ഈ സാങ്കേതികവിദ്യകൾ പരീക്ഷിക്കാനും, അവയെ സ്വന്തം ഉൽപ്പന്നങ്ങളിൽ സംയോജിപ്പിക്കാനും, ആത്യന്തികമായി, മെറ്റയ്ക്ക് ആന്തരികമായി വികസിപ്പിക്കാൻ കഴിയുന്നതിനപ്പുറം ഉപയോഗ കേസുകൾ സംഭാവന ചെയ്യാനും കഴിയും.

SAM 3 ഉം SAM 3D ഉം ഉപയോഗിച്ച്, മെറ്റാ ഒരു ഏകീകരിക്കാൻ ലക്ഷ്യമിടുന്നു കൂടുതൽ വഴക്കമുള്ളതും ആക്സസ് ചെയ്യാവുന്നതുമായ വിഷ്വൽ AI പ്ലാറ്റ്‌ഫോംഇവിടെ ഒരൊറ്റ ഇമേജിൽ നിന്നുള്ള ടെക്സ്റ്റ്-ഗൈഡഡ് സെഗ്മെന്റേഷനും 3D പുനർനിർമ്മാണവും ഇനി ഉയർന്ന സ്പെഷ്യലൈസ്ഡ് ടീമുകൾക്ക് മാത്രമുള്ള കഴിവുകളല്ല. ഭാഷ, കമ്പ്യൂട്ടർ ദർശനം, സർഗ്ഗാത്മകത എന്നിവയുടെ സംയോജനം ഒരു സാങ്കേതിക വാഗ്ദാനമായി മാത്രമല്ല, ഒരു സ്റ്റാൻഡേർഡ് പ്രവർത്തന ഉപകരണമായി മാറിക്കൊണ്ടിരിക്കുന്ന ഒരു സാഹചര്യത്തിൽ, ദൈനംദിന വീഡിയോ എഡിറ്റിംഗ് മുതൽ ശാസ്ത്രം, വ്യവസായം, ഇ-കൊമേഴ്‌സ് എന്നിവയിലെ നൂതന ആപ്ലിക്കേഷനുകൾ വരെ സാധ്യതയുള്ള സ്വാധീനം വ്യാപിക്കുന്നു.

ആൽബർട്ടോ നവാരോ

അവൻ്റെ "ഗീക്ക്" താൽപ്പര്യങ്ങൾ ഒരു തൊഴിലാക്കി മാറ്റിയ ഒരു സാങ്കേതിക തത്പരനാണ് ഞാൻ. എൻ്റെ ജീവിതത്തിൻ്റെ 10 വർഷത്തിലേറെ ഞാൻ അത്യാധുനിക സാങ്കേതികവിദ്യ ഉപയോഗിച്ചും ശുദ്ധമായ ജിജ്ഞാസയിൽ നിന്ന് എല്ലാത്തരം പ്രോഗ്രാമുകളും ഉപയോഗിച്ച് ചെലവഴിച്ചു. ഇപ്പോൾ ഞാൻ കമ്പ്യൂട്ടർ സാങ്കേതികവിദ്യയിലും വീഡിയോ ഗെയിമുകളിലും സ്പെഷ്യലൈസ് ചെയ്തിട്ടുണ്ട്. കാരണം, 5 വർഷത്തിലേറെയായി ഞാൻ സാങ്കേതികവിദ്യയിലും വീഡിയോ ഗെയിമുകളിലും വിവിധ വെബ്‌സൈറ്റുകൾക്കായി എഴുതുന്നു, എല്ലാവർക്കും മനസ്സിലാകുന്ന ഭാഷയിൽ നിങ്ങൾക്കാവശ്യമായ വിവരങ്ങൾ നൽകാൻ ശ്രമിക്കുന്ന ലേഖനങ്ങൾ സൃഷ്ടിക്കുന്നു.

നിങ്ങൾക്ക് എന്തെങ്കിലും ചോദ്യങ്ങളുണ്ടെങ്കിൽ, എൻ്റെ അറിവ് വിൻഡോസ് ഓപ്പറേറ്റിംഗ് സിസ്റ്റവുമായി ബന്ധപ്പെട്ട എല്ലാത്തിലും മൊബൈൽ ഫോണുകൾക്കായുള്ള ആൻഡ്രോയിഡുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. എൻ്റെ പ്രതിബദ്ധത നിങ്ങളോടാണ്, ഈ ഇൻ്റർനെറ്റ് ലോകത്ത് നിങ്ങൾക്കുണ്ടായേക്കാവുന്ന ഏത് ചോദ്യങ്ങളും പരിഹരിക്കാൻ കുറച്ച് മിനിറ്റ് ചെലവഴിക്കാനും നിങ്ങളെ സഹായിക്കാനും ഞാൻ എപ്പോഴും തയ്യാറാണ്.