میٹا کے SAM 3 اور SAM 3D کے ساتھ لوگوں اور اشیاء کو 3D میں تبدیل کریں۔

¿SAM 3D کے ساتھ لوگوں اور اشیاء کو 3D ماڈل میں کیسے تبدیل کیا جائے؟ بصری پر لاگو مصنوعی ذہانت بڑا اثر ڈال رہی ہے، اور اب، اشیاء کو قطعی طور پر کاٹنے کے علاوہ، یہ ممکن ہے ایک تصویر کو 3D ماڈل میں تبدیل کریں۔ متعدد زاویوں سے دریافت کرنے کے لیے تیار۔ میٹا نے ٹولز کی ایک نئی نسل متعارف کرائی ہے جو جدید آلات یا علم کی ضرورت کے بغیر ایڈیٹنگ، بصری دنیا کی تفہیم، اور سہ جہتی تعمیر نو کا کام کرتے ہیں۔

ہم SAM 3 اور SAM 3D کے بارے میں بات کر رہے ہیں، دو ماڈل جو پتہ لگانے، ٹریکنگ، اور سیگمنٹیشن کو بہتر بنانے کے لیے آتے ہیں، اور اشیاء اور لوگوں کی 3D تعمیر نو ایک وسیع سامعین کے لیے۔ ان کی تجویز میں متن کی ہدایات اور بصری اشاروں کو بیک وقت سمجھنا شامل ہے، تاکہ عناصر کو کاٹنا، تبدیل کرنا اور دوبارہ تشکیل دینا اتنا ہی آسان ہے جتنا کہ ہم جو چاہتے ہیں اسے ٹائپ کرنا یا چند کلکس کرنا۔

SAM 3 اور SAM 3D کیا ہیں اور وہ کیسے مختلف ہیں؟

Meta's Segment Anything family دو نئے اضافے کے ساتھ پھیلتا ہے: SAM 3 اور SAM 3D۔ سابقہ ​​اگلی نسل کی درستگی کے ساتھ تصاویر اور ویڈیوز میں اشیاء کی شناخت، ٹریکنگ اور ان کو الگ کرنے پر توجہ مرکوز کرتا ہے، جبکہ بعد میں ایک ہی تصویر سے 3D جیومیٹری اور ظاہری شکل کو دوبارہ تشکیل دیتا ہے۔بشمول لوگ، جانور، یا روزمرہ کی مصنوعات۔

فعال فرق واضح ہے: SAM 3 بصری مواد کی "سمجھنا اور الگ کرنے" کو سنبھالتا ہے، اور SAM 3D اس سمجھ کو سہ جہتی حجم "تخلیق" کے لیے استعمال کرتا ہے۔ اس جوڑی کے ساتھ، ایک ورک فلو جس کے لیے پہلے پیچیدہ سافٹ ویئر یا خصوصی سکینرز کی ضرورت ہوتی ہے۔ بہت زیادہ قابل رسائی اور تیز.

مزید برآں، SAM 3 بنیادی بصری اشارے تک محدود نہیں ہے۔ یہ فطری زبان سے رہنمائی کرنے والے طبقہ فراہم کرتا ہے جو تشریح کرنے کے قابل ہے۔ بہت درست وضاحتیںہم اب صرف "کار" یا "گیند" کے بارے میں بات نہیں کرتے ہیں، بلکہ ایک منظر میں، حتیٰ کہ ایک ویڈیو میں بھی ان عناصر کو ٹھیک ٹھیک تلاش کرنے کے لیے "ریڈ بیس بال کیپ" جیسے جملے کے بارے میں بات کرتے ہیں۔

دریں اثنا، SAM 3D دو تکمیلی ذائقوں میں آتا ہے: SAM 3D آبجیکٹ، پر توجہ مرکوز اشیاء اور مناظراور SAM 3D باڈی، انسانی شکل اور جسم کا اندازہ لگانے کے لیے تربیت یافتہ۔ یہ تخصص اسے صارفین کے سامان سے لے کر پورٹریٹ اور پوز تک ہر چیز کا احاطہ کرنے کی اجازت دیتا ہے، تخلیقی، تجارتی اور سائنسی ایپلی کیشنز کا دروازہ کھولتا ہے۔

وہ کس طرح ایک تصویر سے سیگمنٹ اور دوبارہ تشکیل دینے کا انتظام کرتے ہیں؟

کلید الفاظ اور پکسلز کے درمیان براہ راست روابط قائم کرنے کے لیے ڈیٹا کی بڑی مقدار پر تربیت یافتہ فن تعمیر میں مضمر ہے۔ ماڈل تحریری ہدایات اور بصری سگنلز (کلکس، نقطے، یا بکس) کو بیک وقت سمجھتا ہے، تاکہ مخصوص علاقوں میں درخواست کا ترجمہ کریں۔ تصویر یا ویڈیو فریم کا۔

زبان کی یہ سمجھ روایتی طبقاتی ناموں سے بالاتر ہے۔ SAM 3 پیچیدہ ہدایات، اخراج اور باریکیوں کو سنبھال سکتا ہے، جس سے سوالات جیسے "بیٹھے ہوئے لوگ جنہوں نے سرخ ٹوپی نہیں پہنی ہوئی ہے" کو قابل بناتا ہے۔ کے ساتھ یہ مطابقت تفصیلی متن کے اشارے یہ پچھلے ماڈلز کی ایک تاریخی حد کو حل کرتا ہے، جو دانے دار تصورات کو الجھانے کا رجحان رکھتا تھا۔

پھر SAM 3D کام میں آتا ہے: ایک تصویر سے شروع کرتے ہوئے، یہ ایک تین جہتی ماڈل تیار کرتا ہے جو آپ کو دوسرے نقطہ نظر سے آبجیکٹ کو دیکھنے، منظر کو دوبارہ ترتیب دینے، یا 3D اثرات کو لاگو کرنے دیتا ہے۔ عملی طور پر، یہ ہمارے مفادات کو الگ کرنے کے لیے پچھلے سیگمنٹیشن کے ساتھ ضم ہو جاتا ہے اور اس لیے، پیچیدہ درمیانی مراحل کے بغیر 3D میں دوبارہ تعمیر کریں۔.

پچھلی نسلوں کے مقابلے نئی خصوصیات

SAM 1 اور SAM 2 نے بصری اشارے پر بہت زیادہ انحصار کرتے ہوئے انقطاع میں انقلاب برپا کیا۔ تاہم، جب ان سے لمبی تشریحات یا فطری زبان کی اہم ہدایات فراہم کرنے کے لیے کہا گیا تو انھوں نے جدوجہد کی۔ SAM 3 شامل کرکے اس رکاوٹ کو توڑتا ہے۔ ملٹی موڈل تفہیم جو متن اور وژن کو زیادہ براہ راست جوڑتا ہے۔

میٹا کے ایک نئے بینچ مارک کے ساتھ پیشرفت کے ساتھ الفاظ کی کھلی تقسیمحقیقی دنیا کے منظرناموں میں، اور SAM 3 وزن کی اشاعت کے ساتھ ٹیکسٹ گائیڈڈ سیگمنٹیشن کا جائزہ لینے کے لیے ڈیزائن کیا گیا ہے۔ اس طرح، محققین اور ڈویلپرز طریقوں کے درمیان نتائج کی سختی سے پیمائش اور موازنہ کر سکتے ہیں۔

میٹا کے اشتراک کردہ اعداد و شمار کے مطابق، اس کے دوبارہ ڈیزائن میں، SAM 3D آبجیکٹ پچھلے طریقوں پر نمایاں طور پر بہتر ہوتے ہیں، جو چیک پوائنٹس، انفرنس کوڈ، اور ایک تشخیصی سیٹ بھی جاری کرتا ہے۔ SAM 3D باڈی کے ساتھ ساتھ، کمپنی جاری کر رہی ہے۔ SAM 3D آرٹسٹ آبجیکٹ، ایک نیا ڈیٹاسیٹ جو فنکاروں کے ساتھ تخلیق کیا گیا ہے تاکہ تصویروں کی وسیع اقسام میں 3D معیار کا اندازہ لگایا جا سکے۔

حقیقی دنیا کی ایپلی کیشنز اور فوری استعمال کے معاملات

میٹا ان صلاحیتوں کو اپنی مصنوعات میں ضم کر رہا ہے۔ انسٹاگرام اور فیس بک کے لیے اس کے ویڈیو ٹول "ترمیم" میں، ویڈیوز پر اثرات کو لاگو کرنے کے لیے پہلے سے ہی ایڈوانس سیگمنٹیشن کا استعمال کیا جا رہا ہے۔ مخصوص افراد یا اشیاء باقی تصویر کو متاثر کیے بغیر۔ یہ معیار کی قربانی کے بغیر پس منظر کی تبدیلیوں، منتخب فلٹرز، یا ہدف شدہ تبدیلیوں کی سہولت فراہم کرتا ہے۔

ہم یہ خصوصیات Vibes میں، Meta AI ایپ کے اندر، اور meta.ai پلیٹ فارم پر، نئی ترمیم اور تخلیقی تجربات کے ساتھ بھی دیکھیں گے۔ پیچیدہ ہدایات کی اجازت دے کر، صارف بیان کر سکتا ہے کہ وہ کیا ترمیم کرنا چاہتے ہیں، اور سسٹم اس کے مطابق جواب دے گا۔ پیداوار کے بعد کے کاموں کو خودکار کرتا ہے۔ جو محنتی ہوا کرتا تھا۔

کامرس میں، فیس بک مارکیٹ پلیس کا "کمرے میں دیکھیں" نمایاں ہے، جو صارفین کو یہ تصور کرنے میں مدد کرتا ہے کہ خود بخود 3D ماڈلز کی بدولت ان کے گھر میں فرنیچر یا لیمپ کیسا نظر آئے گا۔ یہ فعالیت غیر یقینی صورتحال کو کم کرتی ہے۔ خریداری کے فیصلے کو بہتر بناتا ہے۔، ایک اہم نکتہ جب ہم جسمانی طور پر مصنوعات کو نہیں دیکھ سکتے ہیں۔

اس کا اثر روبوٹکس، سائنس، تعلیم اور اسپورٹس میڈیسن تک پھیلا ہوا ہے۔ سادہ تصویروں سے 3D تعمیر نو سمیلیٹروں کو کھانا کھلا سکتی ہے، جسمانی حوالہ جات کے ماڈل بنا سکتی ہے، اور تجزیہ کے ٹولز کی مدد کر سکتی ہے جن کے لیے پہلے خصوصی آلات کی ضرورت تھی۔ یہ سب فروغ دیتا ہے۔ نئے کام کے بہاؤ تحقیق اور تربیت میں۔

کسی بھی چیز کو کھیل کے میدان میں تقسیم کریں: بغیر رگڑ کے ٹیسٹ اور تخلیق کریں۔

رسائی کو جمہوری بنانے کے لیے، میٹا نے لانچ کیا ہے۔ سیگمنٹ کچھ بھی کھیل کے میدانایک ویب سائٹ جہاں کوئی بھی تصاویر یا ویڈیوز اپ لوڈ کر سکتا ہے اور SAM 3 اور SAM 3D کے ساتھ تجربہ کر سکتا ہے۔ اس کا انٹرفیس کلاسک ایڈیٹرز کی "جادو کی چھڑی" کی یاد دلاتا ہے، اس فائدہ کے ساتھ کہ ہم لکھیں جو ہم منتخب کرنا چاہتے ہیں۔ یا چند کلکس کے ساتھ بہتر کریں۔

اس کے علاوہ، کھیل کا میدان استعمال کے لیے تیار ٹیمپلیٹس پیش کرتا ہے۔ ان میں عملی اختیارات شامل ہیں جیسے پکسلیٹ چہرے یا لائسنس پلیٹیں۔اور مزید تخلیقی اثرات جیسے موشن ٹریلز یا اسپاٹ لائٹس۔ اس سے شناخت کے تحفظ کے کاموں یا چشم کشا اثرات کو سیکنڈوں میں حاصل کرنا ممکن ہو جاتا ہے۔

سیگمنٹیشن سے آگے، صارفین نئے تناظر سے مناظر کو تلاش کر سکتے ہیں، انہیں دوبارہ ترتیب دے سکتے ہیں، یا SAM 3D کے ساتھ تین جہتی اثرات کا اطلاق کر سکتے ہیں۔ مقصد یہ ہے کہ کسی کے لیے، 3D یا کمپیوٹر ویژن کی پیشگی معلومات کے بغیر، ایسا کرنے کے قابل ہو۔ قابل قبول نتائج حاصل کریں۔ منٹوں میں اور کچھ بھی انسٹال کیے بغیر۔

ماڈلز، کھلے وسائل اور تشخیص

Meta نے کمیونٹی کی جدید ترین ترقی میں مدد کے لیے وسائل جاری کیے ہیں۔ SAM 3 کے لیے، درج ذیل دستیاب ہیں: ماڈل وزن ایک کھلے الفاظ کے بینچ مارک اور فن تعمیر اور تربیت کے بارے میں ایک تکنیکی کاغذ کے ساتھ۔ یہ تولیدی صلاحیت اور منصفانہ موازنہ کی سہولت فراہم کرتا ہے۔

3D فرنٹ پر، کمپنی نے کنٹرول پوائنٹس، انفرنس کوڈ، اور اگلی نسل کا اسیسمنٹ سوٹ جاری کیا ہے۔ SAM 3D آبجیکٹ اور SAM 3D باڈی کی ڈوئلٹی جامع کوریج کی اجازت دیتی ہے۔ عام اشیاء اور انسانی جسم میٹرکس کے ساتھ ہر معاملے کے مطابق، ہندسی اور بصری وفاداری کا اندازہ کرنے کے لیے ضروری چیز۔

SAM 3D آرٹسٹ آبجیکٹ بنانے کے لیے فنکاروں کے ساتھ تعاون تشخیص میں جمالیاتی اور تنوع کے معیار کو متعارف کرواتا ہے، نہ کہ صرف تکنیکی۔ یہ 3D تعمیر نو کو مفید بنانے کی کلید ہے۔ تخلیقی اور تجارتی ماحولجہاں لوگوں کے ذریعہ سمجھے جانے والے معیار سے فرق پڑتا ہے۔

متن کی تقسیم: مثالیں اور فوائد

SAM 3 کے ساتھ، آپ "ریڈ بیس بال کیپ" ٹائپ کر سکتے ہیں اور سسٹم کسی تصویر یا ویڈیو میں تمام میچوں کی شناخت کرے گا۔ یہ درستگی ورک فلو میں ترمیم کرنے کا دروازہ کھولتی ہے جہاں صرف "ریڈ بیس بال کیپ" ٹائپ کرنا کافی ہے۔ مختصر اور واضح جملے عناصر کو الگ کرنا اور ان پر اثرات یا تبدیلیاں لاگو کرنا۔

ملٹی موڈل لینگویج ماڈلز کے ساتھ مطابقت زیادہ تر ہدایات کی اجازت دیتی ہے، بشمول اخراج یا شرائط ("بیٹھے ہوئے لوگ جنہوں نے سرخ ٹوپی نہیں پہنی ہوئی ہے")۔ یہ لچک دستی کام کے اوقات کو کم کرتی ہے اور گھٹ جاتی ہے۔ انتخاب کی غلطیاں جنہیں پہلے ہاتھ سے درست کیا گیا تھا۔

پیمانے پر مواد تخلیق کرنے والی ٹیموں کے لیے، متن سے چلنے والی تقسیم پائپ لائنوں کو تیز کرتی ہے اور نتائج کو معیاری بنانا آسان بناتی ہے۔ مارکیٹنگ میں، مثال کے طور پر، کسی پروڈکٹ فیملی میں فلٹرز لگا کر مستقل مزاجی کو برقرار رکھا جا سکتا ہے، جو کہ وقت اور اخراجات کو بہتر بناتا ہے۔ پیداوار کی.

سوشل میڈیا ایڈیٹنگ اور ڈیجیٹل تخلیق

ایڈیٹس میں انضمام انسٹاگرام اور فیس بک کے تخلیق کاروں کے لیے جدید پوسٹ پروڈکشن خصوصیات لاتا ہے۔ ایک فلٹر جس کو پہلے پیچیدہ ماسک کی ضرورت تھی اب ٹیکسٹ کمانڈ اور چند کلکس کے ساتھ لاگو کیا جا سکتا ہے، برقرار رکھتے ہوئے کناروں اور ٹھیک تفصیلات فریم کی طرف سے مستحکم فریم.

مختصر ٹکڑوں کے لیے، جہاں اشاعت کا شیڈول اہمیت رکھتا ہے، یہ آٹومیشن سونا ہے۔ کلپ کے پس منظر کو تبدیل کرنے، صرف ایک شخص کو نمایاں کرنے، یا کسی مخصوص چیز کو تبدیل کرنے کے لیے اب دستی ورک فلو کی ضرورت نہیں ہے، اور وہ اثرات کو جمہوری بناتا ہے۔ جو پہلے پیشہ ور افراد کے لیے مخصوص تھے۔

دریں اثنا، Vibes اور meta.ai زبان سے چلنے والی ایڈیٹنگ اور تخلیقی صلاحیتوں کے ساتھ تجربات کی حد کو بڑھا رہے ہیں۔ ہم کیا چاہتے ہیں اس کو تفصیل سے بیان کرنے کے قابل ہونے سے، خیال سے نتیجہ تک کی چھلانگ مختصر ہو جاتی ہے، جس کا ترجمہ مزید تخلیقی تکرار کم وقت میں

تجارت، سائنس اور کھیل: تفریح ​​سے بالاتر

Facebook Marketplace پر "کمرے میں دیکھیں" عملی قدر کی مثال دیتا ہے: خریدنے سے پہلے اپنے کمرے میں لیمپ یا فرنیچر کا ٹکڑا دیکھنا واپسی کو کم کرتا ہے اور اعتماد پیدا کرتا ہے۔ اس کے پیچھے ایک پائپ لائن ہے جو کہ امیجز سے شروع ہو کر، ایک پیدا کرتی ہے۔ تصور کے لیے 3D ماڈل متعلقہ

سائنس اور تعلیم میں، سادہ تصویروں سے دوبارہ تعمیر کرنے سے تدریسی مواد اور حقیقت پسندانہ سمیلیٹر بنانے کی لاگت کم ہو جاتی ہے۔ AI سے تیار کردہ اناٹومیکل ماڈل کو کلاس رومز یا اس میں سپورٹ ٹول کے طور پر استعمال کیا جا سکتا ہے۔ بائیو مکینیکل تجزیہمواد کی تیاری کو تیز کرنا۔

اسپورٹس میڈیسن میں، جسمانی ساخت کے تجزیے کو فارم کی تعمیر نو کے ساتھ ملانا مہنگے آلات کے بغیر کرنسیوں اور حرکات کا مطالعہ کرنے کے لیے اوزار فراہم کرتا ہے۔ اس کے لیے امکانات کھل جاتے ہیں۔ زیادہ بار بار تشخیص اور ریموٹ مانیٹرنگ۔

رازداری، اخلاقیات اور اچھے طریقے

ان آلات کی طاقت ذمہ داری کا تقاضا کرتی ہے۔ لوگوں کی تصاویر کو ان کی رضامندی کے بغیر توڑنا قانونی اور اخلاقی مسائل کا باعث بن سکتا ہے۔ یہ مشورہ دیا جاتا ہے کہ تصاویر کو دوبارہ بنانے سے گریز کریں۔ غیر مانوس چہرےبغیر اجازت کے ماڈلز کا اشتراک نہ کریں اور ایسے حساس مناظر کو تبدیل نہ کریں جو الجھن یا نقصان کا باعث بن سکتے ہیں۔

میٹا غلط استعمال کو کم کرنے کے لیے کنٹرولز کا اعلان کرتا ہے، لیکن حتمی ذمہ داری ٹیکنالوجی کے استعمال کنندہ پر عائد ہوتی ہے۔ یہ مشورہ دیا جاتا ہے کہ تصاویر کی اصلیت کی تصدیق کریں، ذاتی ڈیٹا کی حفاظت کریں، اور سیاق و سباق کا اندازہ کریں 3D ماڈل شائع کرنے سے پہلے جو نجی معلومات کو بے نقاب کر سکتے ہیں۔

پیشہ ورانہ ترتیبات میں، جائزہ اور رضامندی کی پالیسیاں قائم کرنا، اور واضح طور پر AI سے تیار کردہ مواد پر لیبل لگانا، ذمہ دارانہ استعمال میں معاون ہے۔ ٹیم کو ان موضوعات پر تربیت دینے میں مدد ملتی ہے۔ برے طریقوں کو روکیں پہلے ہی واقعات کا فوری جواب دیتے ہیں۔

SAM 3D کے ساتھ لوگوں اور اشیاء کو 3D ماڈل میں کیسے تبدیل کیا جائے: کیسے شروع کیا جائے۔

اگر آپ ابھی تجربہ کرنا چاہتے ہیں تو، کوئی بھی پلے گراؤنڈ سیگمنٹ گیٹ وے ہے۔ وہاں آپ ایک تصویر یا ویڈیو اپ لوڈ کر سکتے ہیں، جو آپ منتخب کرنا چاہتے ہیں اسے ٹائپ کر سکتے ہیں، اور ایک سادہ انٹرفیس میں 3D تعمیر نو کے اختیارات آزما سکتے ہیں۔ تکنیکی پروفائلز کے لیے، [مزید اختیارات دستیاب ہیں]۔ وزن، چوکیاں اور کوڈ جو اپنی مرضی کے مطابق جانچ کی سہولت فراہم کرتا ہے۔

محققین، ڈویلپرز، اور فنکاروں کے پاس ایک ماحولیاتی نظام ہے جس میں بینچ مارکس، تشخیصی ڈیٹاسیٹس اور دستاویزات شامل ہیں۔ اس کا مقصد ترقی کی پیمائش کرنے اور اپنانے میں تیزی لانے کے لیے مشترکہ بنیاد قائم کرنا ہے۔ مختلف شعبوںڈیجیٹل تخلیقی صلاحیتوں سے روبوٹکس تک۔

سب سے دلچسپ بات یہ ہے کہ یہ چھلانگ ماہرین کے لیے مخصوص نہیں ہے: سیکھنے کا منحنی خطوط کم ہو رہا ہے، اور خصوصیات روزمرہ کی ایپس تک پہنچ رہی ہیں۔ ہر چیز سے پتہ چلتا ہے کہ ایڈیٹنگ اور تھری ڈی ورک فلوز میں ضم ہوتے رہیں گے جہاں قدرتی زبان انٹرفیس ہے.

SAM 3 اور SAM 3D کے ساتھ، Meta ہر سائز کے تخلیق کاروں اور ٹیموں کے لیے ٹیکسٹ سیگمنٹیشن اور سنگل امیج کی تعمیر نو لاتا ہے۔ کھیل کے میدان، ترامیم میں انضمام، کھلے وسائل، اور تجارت، تعلیم اور کھیلوں میں ایپلی کیشنز کے درمیان، ایک مضبوط بنیاد بنائی جا رہی ہے۔ تصاویر اور حجم کے ساتھ کام کرنے کا نیا طریقہ جو درستگی، رسائی اور ذمہ داری کو یکجا کرتا ہے۔