Snap ಸಂಶೋಧನೆ 2025
ಸಮ್ಮೇಳನಗಳು ಮತ್ತು ಈವೆಂಟ್ಗಳು
Snap ಸಂಶೋಧನಾ ತಂಡವು AR ಮತ್ತು ಉತ್ಪಾದಕ AI, ಶಿಫಾರಸು ವ್ಯವಸ್ಥೆಗಳು ಮತ್ತು ವೈಯಕ್ತೀಕರಿಸಿದ ಸೃಜನಾತ್ಮಕ ಸಾಧನಗಳಲ್ಲಿ ನಾವೀನ್ಯತೆಯನ್ನು ಮುನ್ನಡೆಸುತ್ತಿದೆ.
2025 ರಲ್ಲಿ, ನಾವು ಪ್ರಮುಖ ಉದ್ಯಮ ಸಮ್ಮೇಳನಗಳು ಮತ್ತು ಈವೆಂಟ್ಗಳಲ್ಲಿ ನಮ್ಮ ಕೆಲಸವನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತಿದ್ದೇವೆ.
ಹಿಂದಿನ ಈವೆಂಟ್ಗಳು:
SIGGRAPH 2025-- ವ್ಯಾಂಕೋವರ್, ಕೆನಡಾ ಆಗಸ್ಟ್ 10 ರಿಂದ ಆಗಸ್ಟ್ 14 ರವರೆಗೆ
ನೆಸ್ಟೆಡ್ ಅಟೆನ್ಷನ್: ಪರಿಕಲ್ಪನೆಯ ವೈಯಕ್ತೀಕರಣಕ್ಕಾಗಿ ಸೆಮ್ಯಾಂಟಿಕ್-ಅವೇರ್ ಅಟೆನ್ಷನ್ ಮೌಲ್ಯಗಳು
ನೆಸ್ಟೆಡ್ ಅಟೆನ್ಷನ್ ಎನ್ನುವುದು ಇಮೇಜ್ ಜನರೇಷನ್ ಮಾದರಿಗಳಲ್ಲಿ ಗುರುತಿನ ಸಂರಕ್ಷಣೆಯನ್ನು ಹೆಚ್ಚಿಸಲು ಸಹಾಯ ಮಾಡುವ ಹೊಸ ವಿಧಾನವಾಗಿದೆ, ಇದು ವಿಭಿನ್ನ ಶೈಲಿಗಳು ಮತ್ತು ದೃಶ್ಯಗಳಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ವಿಷಯಗಳ ಹೆಚ್ಚು ಸ್ಥಿರ ಮತ್ತು ನಿಖರವಾದ ಚಿತ್ರಗಳನ್ನು ರಚಿಸುತ್ತದೆ. ಸೆಮ್ಯಾಂಟಿಕ್-ಅವೇರ್ ಅಟೆನ್ಷನ್ ರಚನೆಯನ್ನು ಪರಿಚಯಿಸುವ ಮೂಲಕ, ಮಾದರಿಯು ವೈವಿಧ್ಯಮಯ ಶೈಲಿಗಳು ಮತ್ತು ದೃಶ್ಯಗಳಲ್ಲಿ ಗುರುತನ್ನು ಉತ್ತಮವಾಗಿ ಸಂರಕ್ಷಿಸುತ್ತದೆ. ಇದು ವೈಯಕ್ತೀಕರಿಸಿದ ಚಿತ್ರಗಳನ್ನು ರಚಿಸಲು ಸಾಧ್ಯವಾಗಿಸುತ್ತದೆ, ಒಬ್ಬ ವ್ಯಕ್ತಿ ಮತ್ತು ಅವರ ಸಾಕುಪ್ರಾಣಿಗಳಂತಹ ವಿಭಿನ್ನ ವಿಷಯಗಳನ್ನು ಒಂದೇ ಚಿತ್ರದಲ್ಲಿ ಸಂಯೋಜಿಸುತ್ತದೆ.
InstantRestore: ಹಂಚಿದ-ಚಿತ್ರದ ಗಮನದೊಂದಿಗೆ ಏಕ-ಹಂತದ ವೈಯಕ್ತೀಕರಿಸಿದ ಮುಖ ಮರುಸ್ಥಾಪನೆ
ಈ ಪೇಪರ್ InstantRestore ಅನ್ನು ಪರಿಚಯಿಸುತ್ತದೆ, ಇದು ಡಿಫ್ಯೂಷನ್ ಮಾದರಿಯ ಮೂಲಕ ಒಂದೇ ಫಾರ್ವರ್ಡ್ ಪಾಸ್ ಬಳಸಿ ಹಾಳಾದ ಮುಖದ ಚಿತ್ರಗಳನ್ನು ಮರುಸ್ಥಾಪಿಸುವ ವಿಧಾನವಾಗಿದೆ. ಇದು ಗುರುತಿನ-ನಿರ್ದಿಷ್ಟ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಉಳಿಸಿಕೊಳ್ಳುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ, ಪೋಟ್ರೇಟ್ ಫೋಟೋ ವರ್ಧನೆಗಾಗಿ ಸಮರ್ಥ ಗುರುತಿನ-ಅರಿವಿನ ಮರುಸ್ಥಾಪನೆಯನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ.
ಏಕ ವೀಡಿಯೊಗಳಿಂದ ಡೈನಾಮಿಕ್ ಪರಿಕಲ್ಪನೆಗಳ ವೈಯಕ್ತೀಕರಣ
ಸೆಟ್-ಮತ್ತು-ಸೀಕ್ವೆನ್ಸ್ ವೀಡಿಯೊ ಉತ್ಪಾದನಾ ಮಾದರಿಗಳಿಗೆ ಹೊಸ ಚೌಕಟ್ಟಾಗಿದೆ, ಇದು "ಡೈನಾಮಿಕ್ ಪರಿಕಲ್ಪನೆಗಳೊಂದಿಗೆ" ವೀಡಿಯೊಗಳನ್ನು ರಚಿಸುವ ಸವಾಲನ್ನು ಪರಿಹರಿಸುತ್ತದೆ - ಸಮುದ್ರದ ಅಲೆಗಳು ಅಥವಾ ಮಿನುಗುವ ದೀಪದಂತಹ ಕಾಲಾನಂತರದಲ್ಲಿ ಅವುಗಳ ವಿಶಿಷ್ಟ ಚಲನೆಯ ಮಾದರಿಗಳಿಂದ ಮಾತ್ರವಲ್ಲದೆ ಅವುಗಳ ನೋಟದಿಂದ ವ್ಯಾಖ್ಯಾನಿಸಲಾದ ಘಟಕಗಳು. ಸೆಟ್-ಮತ್ತು-ಸೀಕ್ವೆನ್ಸ್ ಡೈನಾಮಿಕ್ ವಿಷಯಗಳು ಕಾಲಾನಂತರದಲ್ಲಿ ಹೇಗೆ ವರ್ತಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ಕಲಿಯುವ ಮೂಲಕ ವಾಸ್ತವಿಕ ವೀಡಿಯೊ ವೈಯಕ್ತೀಕರಣವನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ, ಸ್ಥಿರ ಚಲನೆ, ದೃಶ್ಯ ಸಂಯೋಜನೆ ಮತ್ತು ಕ್ರಾಸ್-ಸೀನ್ ಬ್ಲೆಂಡಿಂಗ್ಗೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.
DuetGen: ಕ್ರಮಾನುಗತ ಮಾಸ್ಕ್ಡ್ ಮಾಡೆಲಿಂಗ್ ಮೂಲಕ ಸಂಗೀತ ಚಾಲಿತ ಇಬ್ಬರು ವ್ಯಕ್ತಿಗಳ ನೃತ್ಯ ಉತ್ಪಾದನೆ
DuetGen ನೇರವಾಗಿ ಸಂಗೀತದಿಂದ ಸಿಂಕ್ರೊನೈಸ್ ಮಾಡಿದ ಇಬ್ಬರು ವ್ಯಕ್ತಿಗಳ ನೃತ್ಯ ಚಲನೆಗಳನ್ನು ರಚಿಸುವ ಒಂದು ಚೌಕಟ್ಟಾಗಿದೆ. ಇದು ನೃತ್ಯ ಪಾಲುದಾರರ ನಡುವಿನ ಸಮನ್ವಯ ಚಲನೆ ಮತ್ತು ದೈಹಿಕ ಸಂವಹನಗಳಂತಹ ಸಂವಾದಾತ್ಮಕ ನೃತ್ಯ ಸಂಯೋಜನೆಯನ್ನು ರೂಪಿಸುವ ಸವಾಲನ್ನು ಪರಿಹರಿಸುತ್ತದೆ. ಈ ವ್ಯವಸ್ಥೆಯು ಅನಿಮೇಷನ್, ವರ್ಚುವಲ್ ಅವತಾರಗಳು ಮತ್ತು ಡಿಜಿಟಲ್ ಪ್ರದರ್ಶನದಲ್ಲಿನ ಅಪ್ಲಿಕೇಶನ್ಗಳಿಗಾಗಿ ವಾಸ್ತವಿಕ ಯುಗಳ ನೃತ್ಯ ಉತ್ಪಾದನೆಯನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ.
ನಿರ್ಣಾಯಕವಾಗಿರಿ: ಬಹು-ವಿಷಯ ಉತ್ಪಾದನೆಗಾಗಿ ಶಬ್ದ-ಪ್ರೇರಿತ ಲೇಔಟ್ಗಳು
ನಮ್ಮ ಕೆಲಸ 'ಬಿ ಡಿಸೈಸಿವ್' ದೃಶ್ಯ ದೋಷಗಳು ಅಥವಾ ಅನಪೇಕ್ಷಿತ ಮಿಶ್ರಣವಿಲ್ಲದೆ ಸಂಕೀರ್ಣ ಚಿತ್ರಗಳಲ್ಲಿ ಅನೇಕ ವಿಭಿನ್ನ ವಿಷಯಗಳನ್ನು ನಿಖರವಾಗಿ ರಚಿಸುವ ಸವಾಲನ್ನು ನಿಭಾಯಿಸುತ್ತದೆ. 'ಬಿ ಡಿಸೈಸಿವ್' ಒಂದು ಸಣ್ಣ ನರಮಂಡಲವನ್ನು ಪರಿಚಯಿಸುತ್ತದೆ, ಅದು ಡಿನಾಯ್ಸಿಂಗ್ ಸಮಯದಲ್ಲಿ ಶಬ್ದ-ಪ್ರೇರಿತ ಪ್ರಾದೇಶಿಕ ವಿನ್ಯಾಸವನ್ನು ಊಹಿಸುತ್ತದೆ ಮತ್ತು ಪರಿಷ್ಕರಿಸುತ್ತದೆ, ಚಿತ್ರ ಉತ್ಪಾದನೆಯ ಆರಂಭಿಕ ಹಂತಗಳಿಂದ ಪ್ರತಿ ವಿಷಯವು ಎಲ್ಲಿ ಕಾಣಿಸಿಕೊಳ್ಳಬೇಕು ಎಂಬುದನ್ನು ಮಾರ್ಗದರ್ಶಿಸುತ್ತದೆ. ಇದು ಬಹು ನಿರ್ದಿಷ್ಟ ವಿಷಯಗಳೊಂದಿಗೆ ಹೆಚ್ಚು ವಿವರವಾದ ಚಿತ್ರಗಳನ್ನು ರಚಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ, ಅವುಗಳ ನಡುವೆ ಸ್ಪಷ್ಟವಾದ ಗಡಿಗಳನ್ನು ಮತ್ತು ನೈಸರ್ಗಿಕ ಸಂಯೋಜನೆಗಳನ್ನು ಖಾತ್ರಿಗೊಳಿಸುತ್ತದೆ.
KDD 2025-- ಟೊರೊಂಟೊ, ಒಂಟಾರಿಯೊ, ಕೆನಡಾ ಆಗಸ್ಟ್ 3 ರಿಂದ ಆಗಸ್ಟ್ 7 ರವರೆಗೆ
GiGL: Snapchat ನಲ್ಲಿ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಗ್ರಾಫ್ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ಗಳು
GiGL ಎಂಬುದು ದೊಡ್ಡ-ಪ್ರಮಾಣದ ಗ್ರಾಫ್ಗಳಲ್ಲಿ ಗ್ರಾಫ್ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ಗಳನ್ನು (GNNs) ತರಬೇತಿ ಮಾಡಲು ಮತ್ತು ಚಲಾಯಿಸಲು ಒಂದು ಓಪನ್-ಸೋರ್ಸ್ ಲೈಬ್ರರಿಯಾಗಿದ್ದು, ನೂರಾರು ಮಿಲಿಯನ್ ನೋಡ್ಗಳು ಮತ್ತು ಬಿಲಿಯನ್ಗಟ್ಟಲೆ ಎಡ್ಜ್ಗಳನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ. ಬಳಕೆದಾರರ ಬೆಳವಣಿಗೆ, ವಿಷಯ ಶ್ರೇಯಾಂಕ ಮತ್ತು ಜಾಹೀರಾತು ಸೇರಿದಂತೆ ಪ್ರಮುಖ ಯಂತ್ರ ಕಲಿಕೆ ಅಪ್ಲಿಕೇಶನ್ಗಳಲ್ಲಿ Snap ನಲ್ಲಿ GIGL ಅನ್ನು ಬಳಸಲಾಗುತ್ತದೆ.
ಸಹಕಾರಿ ಫಿಲ್ಟರಿಂಗ್ನಲ್ಲಿ ತೂಕದ ಕೊಳೆಯುವಿಕೆಯ ಪಾತ್ರದ ಮೇಲೆ: ಜನಪ್ರಿಯತೆಯ ದೃಷ್ಟಿಕೋನ
ಈ ಪೇಪರ್ PRISM ಅನ್ನು ಪರಿಚಯಿಸುತ್ತದೆ (ಮ್ಯಾಗ್ನಿಟ್ಯೂಡ್ಗಳನ್ನು ಎಂಬೆಡ್ ಮಾಡಲು ಜನಪ್ರಿಯತೆ-ಅರಿವಿನ ಇನಿಶಿಯಲೈಸೇಶನ್ ಸ್ಟ್ರಾಟಜಿ). PRISM ಶಿಫಾರಸು ಮಾದರಿ ತರಬೇತಿಯಲ್ಲಿ ಸಾಮಾನ್ಯ ಆದರೆ ದುಬಾರಿ ತಂತ್ರವಾದ ಎಂಬೆಡಿಂಗ್ ತೂಕದ ಕೊಳೆಯುವಿಕೆಯ ಬಳಕೆಯನ್ನು ನಿವಾರಿಸುತ್ತದೆ ಮತ್ತು ಬದಲಿಗೆ ತರಬೇತಿಯ ಪ್ರಾರಂಭದಲ್ಲಿ ಒಂದೇ ಲಘು ಗಣನೆಯೊಂದಿಗೆ ಅದನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ. PRISM ವೇಗವಾಗಿದೆ, ಅನ್ವಯಿಸಲು ಸರಳವಾಗಿದೆ, ಇದು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿ ಶಿಫಾರಸು ವ್ಯವಸ್ಥೆಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತದೆ.
ಕ್ರಾಸ್-ಡೊಮೇನ್ ಅನುಕ್ರಮ ಶಿಫಾರಸುಗಾಗಿ ಸ್ವಯಂ-ಗಮನವನ್ನು ಮರುಪರಿಶೀಲಿಸುವುದು
ಈ ಕೆಲಸವು AutoCDSR ಅನ್ನು ಪರಿಚಯಿಸುತ್ತದೆ, ಇದು ಗದ್ದಲದ ಅಥವಾ ಅಪ್ರಸ್ತುತ ಸಂಕೇತಗಳನ್ನು ತಗ್ಗಿಸುವಾಗ ಪರಿಣಾಮಕಾರಿ ಜ್ಞಾನ ಹಂಚಿಕೆಯನ್ನು ಉತ್ತೇಜಿಸುವ ಮೂಲಕ ವಿಭಿನ್ನ ಸಂವಹನ ಡೊಮೇನ್ಗಳಲ್ಲಿ ಬಳಕೆದಾರರ ನಡವಳಿಕೆಗಳನ್ನು ಅಂತಹ ವ್ಯವಸ್ಥೆಗಳು ಹೇಗೆ ಊಹಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ಸುಧಾರಿಸುವ ಒಂದು ವಿಧಾನವಾಗಿದೆ. AutoCDSR ಶಿಫಾರಸು ಸೆಟ್ಟಿಂಗ್ಗಳಲ್ಲಿ ವೈಯಕ್ತೀಕರಣದ ನಿಖರತೆ ಮತ್ತು ದೃಢತೆಯನ್ನು ಸುಧಾರಿಸುತ್ತದೆ.
SnapGen: ಮೊಬೈಲ್ ಸಾಧನಗಳಿಗಾಗಿ ಹೈ-ರೆಸಲ್ಯೂಶನ್ ಟೆಕ್ಸ್ಟ್-ಟು-ಇಮೇಜ್ ಮಾದರಿಗಳನ್ನು ಪಳಗಿಸುವುದು ಸಮರ್ಥ ಆರ್ಕಿಟೆಕ್ಚರ್ಗಳು ಮತ್ತು ತರಬೇತಿಯೊಂದಿಗೆ ಮೊಬೈಲ್ ಸಾಧನಗಳಿಗಾಗಿ Snap AI T2I ಮಾದರಿ
SnapGen ಒಂದು ಉನ್ನತ-ಕಾರ್ಯಕ್ಷಮತೆಯ ಟೆಕ್ಸ್ಟ್-ಟು-ಇಮೇಜ್ ಸಂಶೋಧನಾ ಮಾದರಿಯಾಗಿದ್ದು, ಮೊಬೈಲ್ ಸಾಧನಗಳಲ್ಲಿ ನೇರವಾಗಿ ರನ್ ಮಾಡಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ, ಎರಡು ಸೆಕೆಂಡುಗಳಿಗಿಂತ ಕಡಿಮೆ ಅವಧಿಯಲ್ಲಿ ಉತ್ತಮ-ಗುಣಮಟ್ಟದ ಚಿತ್ರಗಳನ್ನು ರಚಿಸುತ್ತದೆ. ಸಾಧನದಲ್ಲಿನ ಚಿತ್ರ ಉತ್ಪಾದನೆಗೆ ಅಗತ್ಯವಿರುವ ಕಂಪ್ಯೂಟ್ ಮತ್ತು ಮೆಮೊರಿಯನ್ನು ತೀವ್ರವಾಗಿ ಕಡಿಮೆ ಮಾಡುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಇದು ಹೊಂದಿದೆ.
SnapGen-V: ಮೊಬೈಲ್ ಸಾಧನದಲ್ಲಿ ಐದು ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಐದು-ಸೆಕೆಂಡ್ ವೀಡಿಯೊವನ್ನು ರಚಿಸುವುದು
SnapGen-V ನಮ್ಮ SnapGen ಮಾದರಿಯನ್ನು ಕೇವಲ ಐದು ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಮೊಬೈಲ್ ಸಾಧನಗಳಲ್ಲಿ ನೇರವಾಗಿ ಐದು-ಸೆಕೆಂಡ್ ವೀಡಿಯೊಗಳನ್ನು ರಚಿಸಲು ವಿಸ್ತರಿಸುತ್ತದೆ. ಇದು ಟೆಕ್ಸ್ಟ್-ಟು-ಇಮೇಜ್ ಮಾಡೆಲಿಂಗ್ನಲ್ಲಿನ ನಮ್ಮ ಪ್ರಗತಿಯನ್ನು ಆಧರಿಸಿ, ವೇಗದ, ಸಾಧನದಲ್ಲಿನ ವೀಡಿಯೊ ಉತ್ಪಾದನೆಯನ್ನು ತಲುಪುವಂತೆ ಮಾಡುತ್ತದೆ.
4Real-Video: ಸಾಮಾನ್ಯೀಕರಿಸಬಹುದಾದ ಫೋಟೋ-ರಿಯಲಿಸ್ಟಿಕ್ 4D ವೀಡಿಯೊ ಪ್ರಸರಣವನ್ನು ಕಲಿಯುವುದು
4Real-Video ಸಂಶೋಧನಾ ಮಾದರಿಯು ಶ್ರೀಮಂತ ವಿವರ ಮತ್ತು ನೈಸರ್ಗಿಕ ಚಲನೆಯೊಂದಿಗೆ ವಾಸ್ತವಿಕ 4D ವೀಡಿಯೊಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ, ಇದನ್ನು ಬಹು ಕೋನಗಳಿಂದ ವೀಕ್ಷಿಸಬಹುದು. ಈ ತಂತ್ರಜ್ಞานವು ತಲ್ಲೀನಗೊಳಿಸುವ VR ಮತ್ತು ಮುಂದಿನ-ಪೀಳಿಗೆಯ ಕಥೆ ಹೇಳುವ ಅನುಭವಗಳಲ್ಲಿ ಸಂಭಾವ್ಯ ಅಪ್ಲಿಕೇಶನ್ಗಳನ್ನು ಹೊಂದಿದೆ.
ಸ್ಟೇಬಲ್ ಫ್ಲೋ: ತರಬೇತಿ-ಮುಕ್ತ ಚಿತ್ರ ಸಂಪಾದನೆಗಾಗಿ ಪ್ರಮುಖ ಲೇಯರ್ಗಳು
ನಮ್ಮ ಸ್ಟೇಬಲ್ ಫ್ಲೋ ಸಂಶೋಧನಾ ಮಾದರಿಯು ಸಂಕೀರ್ಣ ತರಬೇತಿ ಅಥವಾ ಉನ್ನತ-ಮಟ್ಟದ ಹಾರ್ಡ್ವೇರ್ ಅಗತ್ಯವಿಲ್ಲದೇ ವಸ್ತುಗಳನ್ನು ಸೇರಿಸುವ ಅಥವಾ ತೆಗೆದುಹಾಕುವಂತಹ ಶಕ್ತಿಯುತ ಚಿತ್ರ ಸಂಪಾದನೆಯನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ. ಈ ವಿಧಾನವು ಯಾವುದೇ ತಾಂತ್ರಿಕ ಪರಿಣತಿಯ ಅಗತ್ಯವಿಲ್ಲದೆ, ಯಾರಿಗಾದರೂ ಸುಲಭವಾಗಿ ಫೋಟೋಗಳನ್ನು ಸಂಪಾದಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.
Omni-ID: ಉತ್ಪಾದಕ ಕಾರ್ಯಗಳಿಗಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಸಮಗ್ರ ಗುರುತಿನ ಪ್ರಾತಿನಿಧ್ಯ
ನಮ್ಮ ಓಮ್ನಿ-ಐಡಿ ಸಂಶೋಧನಾ ಮಾದರಿಯು ವಿವಿಧ ಕೋನಗಳು ಮತ್ತು ಅಭಿವ್ಯಕ್ತಿಗಳಲ್ಲಿ ವ್ಯಕ್ತಿಯ ಮುಖದ ಸಮಗ್ರ ಪ್ರಾತಿನಿಧ್ಯವನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ, ಹೆಚ್ಚು ವಾಸ್ತವಿಕ ಮತ್ತು ವೈಯಕ್ತೀಕರಿಸಿದ AI ಮತ್ತು AR ಪೀಳಿಗೆಗಳನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ.
PrEditor3D: ವೇಗದ ಮತ್ತು ನಿಖರವಾದ 3D ಆಕಾರ ಸಂಪಾದನೆ
PrEditor3D ನಮ್ಮ ಸಂಶೋಧನಾ ತಂಡಗಳು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಒಂದು ಸಾಧನವಾಗಿದ್ದು, ಇದು ಕನಿಷ್ಟ ಇನ್ಪುಟ್ನೊಂದಿಗೆ 3D ಮಾದರಿಗಳ ತ್ವರಿತ ಮತ್ತು ನಿಖರವಾದ ಸಂಪಾದನೆಗೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ, 3D ಆಕಾರಗಳನ್ನು ಹೇಗೆ ಕುಶಲತೆಯಿಂದ ನಿರ್ವಹಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಸರಿಹೊಂದಿಸಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಸರಳಗೊಳಿಸುವ ಮೂಲಕ 3D ವಿಷಯ ರಚನೆಯ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸುಗಮಗೊಳಿಸುತ್ತದೆ. ಅಪ್ಲಿಕೇಶನ್ನಲ್ಲಿ, PrEditor3D ಆನಿಮೇಟರ್ಗಳು ಮತ್ತು ಲೆನ್ಸ್ಗಳು ರಚನೆಕಾರರಿಗೆ ತಮ್ಮ ದೃಷ್ಟಿಕೋನಗಳನ್ನು ಸಮರ್ಥವಾಗಿ ಜೀವಂತಗೊಳಿಸಲು ಸುಲಭವಾಗಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ, ಇದು ಶ್ರೀಮಂತ ಮತ್ತು ಹೆಚ್ಚು ತಲ್ಲೀನಗೊಳಿಸುವ AR ಅನುಭವಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತದೆ.
ವಿಧಾನಗಳ ಮೊಸಾಯಿಕ್: ಮಲ್ಟಿಮೋಡಲ್ ಗ್ರಾಫ್ ಕಲಿಕೆಗಾಗಿ ಒಂದು ಸಮಗ್ರ ಮಾನದಂಡ
MM-ಗ್ರಾಫ್ ಬಹು-ಮಾದರಿ ಗ್ರಾಫ್ ಕಲಿಕೆಗಾಗಿ ಮೊದಲ ಮಾನದಂಡವನ್ನು ಪರಿಚಯಿಸುತ್ತದೆ, ಪ್ರಸ್ತುತ ಮಾನದಂಡಗಳಲ್ಲಿ ದೃಶ್ಯ ಮಾಹಿತಿಯ ಗಮನಾರ್ಹ ಅಂತರವನ್ನು ಪರಿಹರಿಸಲು ದೃಶ್ಯ ಮತ್ತು ಪಠ್ಯ ಡೇಟಾ ಎರಡನ್ನೂ ಸಂಯೋಜಿಸುತ್ತದೆ. ಇದು ಹೆಚ್ಚು ಸಮಗ್ರ ಮಾದರಿ ಮೌಲ್ಯಮಾಪನಕ್ಕೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ ಮತ್ತು ಶ್ರೀಮಂತ, ನೈಜ-ಪ್ರಪಂಚದ ಇನ್ಪುಟ್ಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬಲ್ಲ ಗ್ರಾಫ್ ಕಲಿಕಾ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ನಾವೀನ್ಯತೆಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ.
ಪಠ್ಯ ಪ್ರಾಂಪ್ಟ್ ಮತ್ತು ರೆಫರೆನ್ಸ್ ಇಮೇಜ್ಗಳ ಸೆಟ್ನೊಂದಿಗೆ, ವೀಡಿಯೊ ಆಲ್ಕೆಮಿಸ್ಟ್ ವ್ಯಾಪಕವಾದ ಶ್ರುತಿ ಅಥವಾ ಆಪ್ಟಿಮೈಸೇಶನ್ ಇಲ್ಲದೆ ವೀಡಿಯೊಗಳನ್ನು ರಚಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ. ಅಪ್ಲಿಕೇಶನ್ನಲ್ಲಿ ಇದು ಕಸ್ಟಮ್ ನೋಟಗಳು ಮತ್ತು ಹಿನ್ನೆಲೆಗಳೊಂದಿಗೆ ವೀಡಿಯೊ ವೈಯಕ್ತೀಕರಣವನ್ನು ಸುಗಮಗೊಳಿಸುತ್ತದೆ, ಸೃಜನಶೀಲತೆಯನ್ನು ಹೆಚ್ಚಿಸುವಾಗ ಸಮಯವನ್ನು ಉಳಿಸುತ್ತದೆ.
ಸಮಯವನ್ನು ಗಮನಿಸಿ: ತಾತ್ಕಾಲಿಕವಾಗಿ-ನಿಯಂತ್ರಿತ ಬಹು-ಈವೆಂಟ್ ವೀಡಿಯೊ ಉತ್ಪಾದನೆ
ಮೈಂಡ್ ದಿ ಟೈಮ್ AI-ರಚಿಸಿದ ವೀಡಿಯೊಗಳಲ್ಲಿ ನಿಖರವಾದ ತಾತ್ಕಾಲಿಕ ನಿಯಂತ್ರಣವನ್ನು ಪರಿಚಯಿಸುತ್ತದೆ. ಇದು ಈವೆಂಟ್ಗಳ ಅನುಕ್ರಮ ಮತ್ತು ಸಮಯವನ್ನು ನಿರ್ದೇಶಿಸಲು ರಚನೆಕಾರರಿಗೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಇದು ವೀಡಿಯೊ ಉತ್ಪಾದನೆಯಲ್ಲಿ ಹೆಚ್ಚು ರಚನಾತ್ಮಕ, ಸುಸಂಬದ್ಧ ಕಥೆ ಹೇಳುವಿಕೆಯನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ.
ಡಿಫ್ಯೂಷನ್ ಟ್ರಾನ್ಸ್ಫಾರ್ಮರ್ಗಳೊಂದಿಗೆ ವೀಡಿಯೊ ಚಲನೆಯ ವರ್ಗಾವಣೆ
ವೀಡಿಯೊ ಮೋಷನ್ ಟ್ರಾನ್ಸ್ಫರ್ ಎನ್ನುವುದು ಡಿಫ್ಯೂಷನ್ ಸಂಶೋಧನಾ ಮಾದರಿಯನ್ನು ಬಳಸಿಕೊಂಡು ಒಂದು ವೀಡಿಯೊದಿಂದ ಇನ್ನೊಂದಕ್ಕೆ ವಾಸ್ತವಿಕ ಚಲನೆಯನ್ನು ವರ್ಗಾಯಿಸುವ ಒಂದು ವಿಧಾನವಾಗಿದೆ. ಅಪ್ಲಿಕೇಶನ್ನಲ್ಲಿ ಈ ಮಾದರಿಯು ಸಂಕೀರ್ಣ ಸೆಟಪ್ಗಳ ಅಗತ್ಯವಿಲ್ಲದೆ, ರೆಫರೆನ್ಸ್ ವೀಡಿಯೊಗಳಿಂದ ಚಲನೆಯನ್ನು ವರ್ಗಾಯಿಸುವ ಮೂಲಕ ವಾಸ್ತವಿಕ ಚಲನೆಯೊಂದಿಗೆ ವೀಡಿಯೊಗಳನ್ನು ಸುಲಭವಾಗಿ ರಚಿಸಬಹುದು.
ವಂಡರ್ಲ್ಯಾಂಡ್: ಒಂದೇ ಚಿತ್ರದಿಂದ 3D ದೃಶ್ಯಗಳನ್ನು ನ್ಯಾವಿಗೇಟ್ ಮಾಡುವುದು
ವಂಡರ್ಲ್ಯಾಂಡ್ ಕೇವಲ ಒಂದು ಫೋಟೋದಿಂದ ವಿವರವಾದ 3D ದೃಶ್ಯಗಳನ್ನು ರಚಿಸುತ್ತದೆ, 3D ದೃಶ್ಯಗಳ ರಚನೆಯನ್ನು ಸರಳಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ಬಹು ಕೋನಗಳು ಅಥವಾ ವ್ಯಾಪಕವಾದ ಸಂಪನ್ಮೂಲಗಳ ಅಗತ್ಯವಿಲ್ಲದೆ ವೇಗವಾಗಿ ಮತ್ತು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿ ವಿನ್ಯಾಸಕ್ಕೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.
AC3D ವೀಡಿಯೊ ಉತ್ಪಾದನಾ ಮಾದರಿಗಳಲ್ಲಿ ಕ್ಯಾಮರಾ ನಿಯಂತ್ರಣವನ್ನು ಸುಧಾರಿಸುತ್ತದೆ, ಸುಗಮ, ಹೆಚ್ಚು ವಾಸ್ತವಿಕ ಚಲನೆಯನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ. ಇದು ವೀಡಿಯೊಗಳಲ್ಲಿನ ಕ್ಯಾಮರಾ ಚಲನೆಗಳ ಮೇಲೆ ರಚನೆಕಾರರಿಗೆ ಹೆಚ್ಚಿನ ನಮ್ಯತೆಯನ್ನು ನೀಡುತ್ತದೆ ಮತ್ತು ರಚಿಸಲಾದ ದೃಶ್ಯಗಳ ಗುಣಮಟ್ಟ ಮತ್ತು ವಾಸ್ತವಿಕತೆಯನ್ನು ಸುಧಾರಿಸುತ್ತದೆ.
*ಇಲ್ಲಿ ವಿವರಿಸಿರುವ ಎಲ್ಲಾ ಮಾದರಿಗಳು ಮತ್ತು ಕೆಲಸಗಳು ಸಂಶೋಧನಾ ಉದ್ದೇಶಗಳಿಗಾಗಿ ಮಾತ್ರ.
ಈ ಪೋಸ್ಟ್ ಅನ್ನು ನವೀಕರಿಸುವುದನ್ನು ಮುಂದುವರಿಸಲಾಗುತ್ತದೆ.
ಸಂಪರ್ಕದಲ್ಲಿರಿ
ಪತ್ರಿಕಾ ವಿನಂತಿಗಳಿಗಾಗಿ, ಇಮೇಲ್ ಮಾಡಿ press@snap.com.
ಇತರ ಎಲ್ಲಾ ವಿಚಾರಣೆಗಳಿಗಾಗಿ, ದಯವಿಟ್ಟು ನಮ್ಮ ಬೆಂಬಲ ಸೈಟ್ಗೆ ಭೇಟಿ ನೀಡಿ.