Apple-এর নতুন পদ্ধতি: একটি স্তরেই ছবি তৈরির মডেল ৩ গুণ সহজ
Apple-এর ML গবেষকরা একটি নতুন পদ্ধতি আবিষ্কার করেছেন যেখানে মাত্র একটি অতিরিক্ত স্তর ব্যবহার করে বিদ্যমান ছবি বুঝতে পারা মডেলগুলোকে ছবি তৈরির কাজে লাগানো যায়। এই পদ্ধতি জেনারেটিভ মডেলের জটিলতা কমিয়ে উচ্চমানের ভিজুয়াল উপস্থাপনা কাজে লাগানোর পথ খুলে দিয়েছে।
Apple-এর ML গবেষকরা একটি নতুন পদ্ধতি আবিষ্কার করেছেন যেখানে মাত্র একটি অতিরিক্ত স্তর ব্যবহার করে বিদ্যমান ছবি বুঝতে পারা মডেলগুলোকে ছবি তৈরির কাজে লাগানো যায়। এই পদ্ধতি জেনারেটিভ মডেলের জটিলতা কমিয়ে উচ্চমানের ভিজুয়াল উপস্থাপনা কাজে লাগানোর পথ খুলে দিয়েছে।
অ্যাপলের মেশিন লার্নিং গবেষণা বিভাগ একটি গুরুত্বপূর্ণ গবেষণাপত্র প্রকাশ করেছে। এই গবেষণায় তারা দেখিয়েছে যে মাত্র একটি অতিরিক্ত স্তর ব্যবহার করেই প্রিট্রেইনড ভিজুয়াল এনকোডারকে ইমেজ জেনারেশনের জন্য অভিযোজিত করা সম্ভব। এই আবিষ্কার জেনারেটিভ মডেল আর্কিটেকচারকে অনেক সহজ করে দিতে পারে।
বর্তমানে ডিফিউশন মডেলের মতো জেনারেটিভ মডেলগুলো সাধারণত সংকুচিত ল্যাটেন্ট স্পেসে কাজ করে। এই ল্যাটেন্ট স্পেস প্রশিক্ষণের দক্ষতা ও নমুনার গুণমানের মধ্যে ভারসাম্য রাখতে সাহায্য করে। কিন্তু এই স্পেসগুলো ছবি বোঝার জন্য তৈরি বৈশিষ্ট্যের সঙ্গে পুরোপুরি সামঞ্জস্যপূর্ণ নয়। এখানেই সমস্যাটি তৈরি হয়।
গবেষকরা দীর্ঘদিন ধরে উচ্চমানের প্রিট্রেইনড ভিজুয়াল রিপ্রেজেন্টেশন ব্যবহারের চেষ্টা করছেন। তারা হয় VAE-এর ভেতরে অথবা সরাসরি জেনারেটিভ মডেলের মধ্যে এই রিপ্রেজেন্টেশনগুলো সারিবদ্ধ করার চেষ্টা করেছেন। কিন্তু বোঝার জন্য তৈরি বৈশিষ্ট্য আর জেনারেশনের জন্য উপযুক্ত ল্যাটেন্ট স্পেসের মধ্যে মৌলিক অমিল থাকায় এই অভিযোজন কঠিন হয়ে পড়েছে।
অ্যাপলের গবেষণা এই চ্যালেঞ্জের একটি সমাধান প্রস্তাব করেছে। তাদের পদ্ধতি মাত্র একটি অতিরিক্ত স্তর ব্যবহার করে এই অমিল দূর করে। এই স্তরটি প্রিট্রেইনড এনকোডারের আউটপুটকে জেনারেটিভ মডেলের প্রয়োজনীয় ফরম্যাটে রূপান্তর করে। ফলে পুরো এনকোডার পুনরায় প্রশিক্ষণের প্রয়োজন হয় না।
এই পদ্ধতির সবচেয়ে বড় সুবিধা হল জটিলতা কমানো। বর্তমানে বড় জেনারেটিভ মডেল তৈরিতে বিপুল পরিমাণ কম্পিউটিং শক্তি ও সময় লাগে। একটি মাত্র স্তর যোগ করলে এই খরচ অনেক কমে আসতে পারে। একই সঙ্গে আগে থেকে প্রশিক্ষিত উচ্চমানের ভিজুয়াল রিপ্রেজেন্টেশন ব্যবহারের সুযোগ তৈরি হয়।
বাংলাদেশের জন্য এই গবেষণার গুরুত্ব অনেক। দেশের স্টার্টআপ ও গবেষকরা এখন কম সম্পদ দিয়েও উন্নত ইমেজ জেনারেশন মডেল তৈরি করতে পারবেন। ফ্রিল্যান্সার ও ছোট দলগুলো open-source মডেল দ্রুত কাস্টমাইজ করতে পারবে। শিক্ষার্থীরা জটিল আর্কিটেকচার না বুঝেও উন্নত ফলাফল পেতে সক্ষম হবে।
ভবিষ্যতে এই পদ্ধতি আরও পরিমার্জিত হবে বলে আশা করা যায়। অ্যাপল তাদের গবেষণা চালিয়ে যাচ্ছে এবং শিল্পের অন্যান্য অংশীদাররাও এই ধারণা গ্রহণ করতে পারে। এটি ইমেজ জেনারেশন প্রযুক্তিকে আরও গণতান্ত্রিক করে তুলতে পারে।
আরও পড়ুন
এই সংবাদটি আন্তর্জাতিক সূত্রের তথ্য অবলম্বনে AI-সহায়তায় বাংলায় উপস্থাপন ও বাংলাদেশের প্রেক্ষাপটে সম্পাদিত। মূল তথ্যের জন্য নিচের সূত্র দেখুন।
মূল প্রতিবেদন: Apple ML Research
সোর্স দেখুন ↗মন্তব্য০
লোড হচ্ছে...