میٹ SAM سے ملیں، میٹا کا نیا AI امیج سیگمنٹیشن ٹول جو آپ کے لیے پیچیدہ تصاویر سے نمٹتا ہے۔

میٹا کا نیا سیگمنٹ اینیتھنگ ماڈل سامنے آیا۔ SAM ماڈل تصویر کی تقسیم کے لیے اعلیٰ معیار کے ماسک بنانے کا ایک نیا طریقہ ہے۔

یاد دہانی: کمپیوٹر وژن میں امیج سیگمنٹیشن ایک بنیادی کام ہے جس کا مقصد کسی تصویر کو ان خطوں میں تقسیم کرنا ہے جو مختلف اشیاء یا سیمنٹک زمروں سے مطابقت رکھتے ہیں اور اس میں بہت سی ایپلی کیشنز ہیں، جیسے آبجیکٹ کا پتہ لگانا، منظر کو سمجھنا، تصویر میں ترمیم کرنا، اور ویڈیو کا تجزیہ۔

تاہم، تصویر کی تقسیم بھی ایک چیلنجنگ مسئلہ ہے، خاص طور پر جب پیچیدہ مناظر سے نمٹنا جس میں مختلف اشکال، سائز اور ظاہری شکل کے ساتھ متعدد اشیاء شامل ہوں۔ مزید برآں، زیادہ تر موجودہ امیج سیگمنٹیشن کے طریقوں میں تربیت کے لیے بڑی مقدار میں تشریح شدہ ڈیٹا کی ضرورت ہوتی ہے، جو حاصل کرنا مہنگا اور وقت طلب ہو سکتا ہے۔ میٹا اس مسئلے کو SAM ماڈل کے ساتھ حل کرنا چاہتا ہے۔

SAM ماڈل: میٹا کا نیا سیگمنٹ اینیتھنگ ماڈل کیا ہے؟

Segment Anything Model (SAM) ایک نیا اور طاقتور مصنوعی ذہانت کا ماڈل ہے جو کسی بھی چیز کو تصویر یا ویڈیو میں اعلیٰ معیار اور کارکردگی کے ساتھ تقسیم کر سکتا ہے۔ Segmentation کسی چیز کو اس کے پس منظر یا دیگر اشیاء سے الگ کرنے اور ایک ماسک بنانے کا عمل ہے جو اس کی شکل اور حدود کا خاکہ پیش کرتا ہے۔ SAM ماڈل کے ساتھ، آپ کی ترمیم، کمپوزٹنگ، ٹریکنگ، شناخت اور تجزیہ کے کام آسان ہو جائیں گے۔

SAM کئی طریقوں سے دوسرے سیگمنٹیشن ماڈلز سے مختلف ہے، جیسے:

• SAM فوری ہے، جس کا مطلب ہے کہ یہ مختلف ان پٹ پرامپٹس لے سکتا ہے، جیسے پوائنٹس یا بکس، یہ بتانے کے لیے کہ کس چیز کو سیگمنٹ کرنا ہے۔ مثال کے طور پر، آپ کسی شخص کے چہرے کے ارد گرد ایک باکس کھینچ سکتے ہیں، اور Segment Anything Model چہرے کے لیے ایک ماسک تیار کرے گا۔ آپ متعدد اشیاء کو ایک ساتھ تقسیم کرنے کے لیے متعدد اشارے بھی دے سکتے ہیں۔ SAM ماڈل پیچیدگیوں، عکاسیوں اور سائے کے ساتھ پیچیدہ مناظر کو سنبھال سکتا ہے۔
• SAM کو 11 ملین امیجز اور 1.1 بلین ماسک کے بڑے ڈیٹاسیٹ پر تربیت دی گئی ہے، جو آج تک کا سب سے بڑا سیگمنٹیشن ڈیٹاسیٹ ہے۔ یہ ڈیٹا سیٹ اشیاء اور زمرہ جات کی ایک وسیع رینج کا احاطہ کرتا ہے، جیسے کہ جانور، پودے، گاڑیاں، فرنیچر، کھانا وغیرہ۔ SAM ان اشیاء کو تقسیم کر سکتا ہے جو اس نے پہلے کبھی نہیں دیکھی ہوں گی، اس کی عمومی صلاحیت اور ڈیٹا کے تنوع کی بدولت۔
• SAM مختلف قسم کے سیگمنٹیشن ٹاسک پر مضبوط صفر شاٹ کارکردگی رکھتا ہے۔ زیرو شاٹ کا مطلب ہے کہ SAM کسی خاص کام یا ڈومین پر بغیر کسی اضافی تربیت یا فائن ٹیوننگ کے اشیاء کو الگ کر سکتا ہے۔ مثال کے طور پر، SAM بغیر کسی پیشگی معلومات یا نگرانی کے چہروں، ہاتھوں، بالوں، کپڑوں اور لوازمات کو تقسیم کر سکتا ہے۔ SAM اشیاء کو مختلف طریقوں میں بھی تقسیم کر سکتا ہے، جیسے کہ انفراریڈ امیجز یا ڈیپتھ میپس۔

SAM ماڈل مختلف امیج سیگمنٹیشن بینچ مارکس، جیسے COCO پر متاثر کن نتائج حاصل کرتا ہے۔ SAM کئی زیرو شاٹ سیگمنٹیشن ٹاسکس جیسے سیگمنٹنگ لوگو، ٹیکسٹ، چہروں یا خاکوں پر پہلے مکمل طور پر زیر نگرانی طریقوں سے بھی بہتر کارکردگی کا مظاہرہ کرتا ہے یا میچ کرتا ہے۔ یہ مختلف ڈومینز اور منظرناموں میں اپنی استعداد اور مضبوطی کو ظاہر کرتا ہے۔

مستقبل میں: سیگمنٹ اینیتھنگ ماڈل (SAM ماڈل) پروجیکٹ ابھی اپنے ابتدائی دنوں میں ہے۔ میٹا کے مطابق، یہ سیگمنٹ اینیتھنگ ماڈل کی کچھ مستقبل کی ایپلی کیشنز ہیں:

• مستقبل کے AR چشمے عام چیزوں کو پہچاننے اور مددگار یاد دہانی اور ہدایات فراہم کرنے کے لیے SAM کا استعمال کر سکتے ہیں۔

• SAM میں زراعت اور حیاتیات جیسے بہت سے دوسرے شعبوں کو متاثر کرنے کی صلاحیت ہے۔ ایک دن، اس سے کسانوں اور سائنسدانوں کو بھی فائدہ ہو سکتا ہے۔

SAM ماڈل کمپیوٹر ویژن اور مصنوعی ذہانت کی تحقیق میں ایک پیش رفت ثابت ہو سکتا ہے۔ یہ وژن کے لیے فاؤنڈیشن ماڈلز کی صلاحیت کو ظاہر کرتا ہے، جو ایسے ماڈل ہیں جو بڑے پیمانے پر ڈیٹا سے سیکھ سکتے ہیں اور نئے کاموں اور ڈومینز میں منتقل ہو سکتے ہیں۔

سیگمنٹ اینیتھنگ ماڈل (SAM ماڈل) کی خصوصیات

یہاں SAM ماڈل کی کچھ صلاحیتیں ہیں:

• SAM ماڈل کا استعمال کرتے ہوئے، صارفین انفرادی پوائنٹس کا انتخاب کرکے اشیاء کو تیزی سے اور آسانی سے تقسیم کر سکتے ہیں تاکہ سیگمنٹیشن کو شامل یا خارج کیا جا سکے۔ ایک باؤنڈری باکس کو ماڈل کے لیے اشارہ کے طور پر بھی استعمال کیا جا سکتا ہے۔
• جب شے کو تقسیم کیے جانے کے حوالے سے غیر یقینی صورتحال موجود ہے، تو SAM ماڈل بہت سے درست ماسک تیار کر سکتا ہے، جو حقیقی دنیا میں تقسیم کو حل کرنے کے لیے ایک اہم اور اہم مہارت ہے۔
• سیگمنٹ اینیتھنگ ماڈل کے ساتھ خودکار آبجیکٹ کا پتہ لگانا اور ماسک کرنا اب آسان ہے۔
• امیج ایمبیڈنگ کو پہلے سے کمپیوٹنگ کرنے کے بعد، Segment Anything Model کسی بھی پرامپٹ کے لیے فوری طور پر سیگمنٹیشن ماسک فراہم کر سکتا ہے، جس سے ماڈل کے ساتھ ریئل ٹائم تعامل ممکن ہو سکتا ہے۔

متاثر کن، ہے نا؟ تو اس کے پیچھے ٹیکنالوجی کیا ہے؟

SAM ماڈل کیسے کام کرتا ہے؟

NLP میں اور، حال ہی میں، کمپیوٹر وژن میں سب سے زیادہ دلچسپ دریافتوں میں سے ایک "پرامپٹنگ" اپروچز کا استعمال ہے جو فاؤنڈیشن ماڈلز کا استعمال کرتے ہوئے ناول ڈیٹا سیٹس اور کاموں پر زیرو شاٹ اور چند شاٹ لرننگ کو قابل بناتا ہے۔ میٹا کو اس میدان میں حوصلہ ملا۔

اگر پیش منظر/بیک گراؤنڈ پوائنٹس، ایک کھردرا باکس یا ماسک، فریفارم ٹیکسٹ، یا کوئی دوسرا ان پٹ جو یہ بتاتا ہے کہ تصویر میں کس چیز کو سیگمنٹ کرنا ہے، میٹا اے آئی ٹیم نے سیگمنٹ اینیتھنگ ماڈل کو ایک مناسب سیگمنٹیشن ماسک تیار کرنا سکھایا۔ مناسب ماسک کی ضرورت کا مطلب صرف یہ ہے کہ آؤٹ پٹ ان چیزوں میں سے کسی ایک کے لیے موزوں ماسک ہونا چاہیے جس کا اشارہ ہو سکتا ہے (مثال کے طور پر، قمیض پر ایک نقطہ یا تو قمیض یا اسے پہننے والے شخص کی نمائندگی کر سکتا ہے)۔ یہ کام ماڈل پری ٹریننگ کے لیے استعمال ہوتا ہے اور عام بہاو تقسیم کے مسائل کے حل کے لیے رہنمائی کرتا ہے۔

میٹا نے دیکھا کہ پہلے سے تربیتی کام اور انٹرایکٹو ڈیٹا اکٹھا کرنے نے ماڈل کی تعمیر پر کچھ پابندیاں عائد کیں۔ خاص طور پر، ان کے تشریح کنندگان کو سیگمنٹ اینیتھنگ ماڈل کو براؤزر میں، انٹرایکٹو، ریئل ٹائم میں، سی پی یو پر استعمال کرنے کے قابل ہونے کی ضرورت ہے تاکہ یہ موثر ہو۔ اس حقیقت کے باوجود کہ رن ٹائم کی ضرورت کو پورا کرنے کے لیے معیار اور رفتار کے درمیان کچھ سمجھوتہ ہونا ضروری ہے، وہ دریافت کرتے ہیں کہ سیدھا سادا طریقہ تسلی بخش نتائج پیدا کرتا ہے۔

پچھلے سرے پر، ایک امیج انکوڈر امیج کے لیے ایک منفرد ایمبیڈنگ بناتا ہے، جبکہ ہلکا پھلکا انکوڈر کسی بھی سوال کو فوری طور پر ایمبیڈنگ ویکٹر میں تبدیل کر سکتا ہے۔ ایک ہلکا پھلکا ڈیکوڈر استعمال کیا جاتا ہے اس کے بعد ان دو ڈیٹا ذرائع کو ضم کرنے کے لیے استعمال کیا جاتا ہے تاکہ سیگمنٹیشن ماسک کا اندازہ لگایا جا سکے۔ امیج ایمبیڈنگ کا حساب لگانے کے بعد، SAM تقریباً 50 ms میں ایک سیگمنٹ کے ساتھ ویب براؤزر میں ہر سوال کا جواب دے سکتا ہے۔

SAM تخلیقی پیشہ ور افراد اور شوقین افراد کے لیے ایک مفید ٹول ہے جو آسانی اور لچک کے ساتھ تصاویر اور ویڈیوز میں ترمیم کرنا چاہتے ہیں۔ لیکن پہلے، آپ کو اس تک رسائی اور استعمال کرنے کا طریقہ سیکھنے کی ضرورت ہے۔

سیگمنٹ اینیتھنگ ماڈل (SAM ماڈل) کا استعمال کیسے کریں؟

SAM کو Meta AI ریسرچ (سابقہ ​​Facebook AI ریسرچ) نے تیار کیا ہے، اور یہ عوامی طور پر دستیاب ہے۔ GitHub کے. آپ A کے ساتھ SAM آن لائن بھی آزما سکتے ہیں۔ ڈیمو یا 1 بلین ماسک اور 1 ملین تصاویر کا ڈیٹاسیٹ (SA-11B) ڈاؤن لوڈ کریں۔ ماڈل استعمال کرنے میں کافی آسان ہے۔ صرف ان اقدامات پر عمل کریں:

• ڈیمو ڈاؤن لوڈ کریں یا سیگمنٹ اینیتھنگ ماڈل ڈیمو پر جائیں۔
• ایک تصویر اپ لوڈ کریں یا گیلری میں سے ایک کا انتخاب کریں۔
• شامل کریں اور موضوع کے علاقے
  • پوائنٹس شامل کرکے علاقوں کو ماسک کریں۔ ایریا شامل کریں کو منتخب کریں، پھر آبجیکٹ کو منتخب کریں۔ ہٹائیں ایریا کو منتخب کرکے ماسک کو بہتر کریں، پھر علاقے کو منتخب کریں۔

پھر اپنا کام مکمل کریں جیسا آپ چاہتے ہیں!

مزید معلومات کے لئے، کلک کریں یہاں.

---

تصویری تعصب: میٹا

اے آئی 101

کیا آپ AI میں نئے ہیں؟ آپ اب بھی AI ٹرین پر جا سکتے ہیں! ہم نے ایک مفصل بنایا ہے۔ AI لغت سب سے زیادہ عام طور پر استعمال کے لئے مصنوعی ذہانت کی اصطلاحات اور وضاحت کریں مصنوعی ذہانت کی بنیادی باتیں طور پر AI کے خطرات اور فوائد. بلا جھجھک ان کا استعمال کریں۔ سیکھنا AI کا استعمال کیسے کریں۔ ایک گیم چینجر ہے! اے آئی ماڈلز دنیا بدل جائے گی.

AI ٹولز جن کا ہم نے جائزہ لیا ہے۔

تقریباً ہر روز، ایک نیا ٹول، ماڈل، یا فیچر پاپ اپ ہوتا ہے اور ہماری زندگیوں کو بدلتا ہے، جیسے کہ نئے اوپن اے آئی چیٹ جی پی ٹی پلگ ان، اور ہم نے پہلے ہی کچھ بہترین کا جائزہ لیا ہے:

• ٹیکسٹ ٹو ٹیکسٹ AI ٹولز

کیا آپ سیکھنا چاہتے ہیں؟ ChatGPT کو مؤثر طریقے سے کیسے استعمال کیا جائے؟ ہمارے پاس آپ کے لیے بغیر سوئچ کیے کچھ نکات اور چالیں ہیں۔ چیٹ جی پی ٹی پلس! جب آپ AI ٹول استعمال کرنا چاہتے ہیں، تو آپ کو غلطیاں مل سکتی ہیں جیسے "چیٹ جی پی ٹی اس وقت صلاحیت پر ہے" اور "1 گھنٹے میں بہت زیادہ درخواستیں بعد میں دوبارہ کوشش کریں". جی ہاں، وہ واقعی پریشان کن غلطیاں ہیں، لیکن پریشان نہ ہوں؛ ہم انہیں ٹھیک کرنے کا طریقہ جانتے ہیں۔ کیا چیٹ جی پی ٹی سرقہ سے پاک ہے؟ ایک ہی جواب تلاش کرنا ایک مشکل سوال ہے۔ اگر آپ سرقہ سے ڈرتے ہیں تو بلا جھجھک استعمال کریں۔ AI سرقہ کی جانچ کرنے والے۔ اس کے علاوہ، آپ دوسرے کو چیک کر سکتے ہیں اے آئی چیٹس اور AI مضمون نگار بہتر نتائج کے ل.۔

• ٹیکسٹ ٹو امیج AI ٹولز

جبکہ کچھ اب بھی ہیں۔ مصنوعی ذہانت سے تیار کردہ تصاویر کے بارے میں بحث, لوگ اب بھی تلاش کر رہے ہیں بہترین AI آرٹ جنریٹرز. کیا AI ڈیزائنرز کی جگہ لے گا۔? پڑھتے رہیں اور معلوم کریں۔

• دوسرے AI ٹولز

• SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
• پلیٹو بلاک چین۔ Web3 Metaverse Intelligence. علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
• ماخذ: https://dataconomy.com/2023/04/sam-model-meta-segment-anything-model-mask/