സ്നാപ്പ് റിസർച്ച് 2025

AR, ജനറേറ്റീവ് AI, ശുപാർശ സംവിധാനങ്ങൾ, വ്യക്തിഗത ക്രിയേറ്റീവ് ടൂളുകൾ എന്നിവയിലുടനീളം സ്നാപ്പ് റിസർച്ച് ടീം നവീകരണത്തിന് നേതൃത്വം നൽകുന്നു.

2025-ൽ, പ്രമുഖ വ്യവസായ കോൺഫറൻസുകളിലും ഇവന്റുകളിലുമായി ഞങ്ങൾ ഞങ്ങളുടെ പ്രവർത്തനം പ്രദർശിപ്പിക്കുന്നു.

കഴിഞ്ഞ ഇവന്റുകൾ:

SIGGRAPH 2025-- വാൻകൂവർ, കാനഡ, ഓഗസ്റ്റ് 10 മുതൽ ഓഗസ്റ്റ് 14 വരെ

നെസ്റ്റഡ് അറ്റൻഷൻ: കൺസെപ്റ്റ് പേഴ്സണലൈസേഷനായി സെമാന്റിക്-അവെയർ അറ്റൻഷൻ മൂല്യങ്ങൾ

ഇമേജ് ജനറേഷൻ മോഡലുകളിൽ ഐഡന്റിറ്റി സംരക്ഷണം വർദ്ധിപ്പിക്കാൻ സഹായിക്കുന്ന ഒരു പുതിയ രീതിയാണ് നെസ്റ്റഡ് അറ്റൻഷൻ, ഇത് വ്യത്യസ്ത ശൈലികളിലും രംഗങ്ങളിലും നിർദ്ദിഷ്ട വിഷയങ്ങളുടെ കൂടുതൽ സ്ഥിരതയുള്ളതും കൃത്യവുമായ ചിത്രങ്ങൾ സൃഷ്ടിക്കുന്നു. ഒരു സെമാന്റിക്-അവെയർ അറ്റൻഷൻ ഘടന അവതരിപ്പിക്കുന്നതിലൂടെ, മോഡൽ വിവിധ ശൈലികളിലും രംഗങ്ങളിലും ഐഡന്റിറ്റി മികച്ച രീതിയിൽ സംരക്ഷിക്കുന്നു. ഒരു വ്യക്തിയെയും അവരുടെ വളർത്തുമൃഗത്തെയും പോലുള്ള വ്യത്യസ്ത വിഷയങ്ങൾ സംയോജിപ്പിച്ച് ഒരു ചിത്രത്തിൽ വ്യക്തിഗതമാക്കിയ ചിത്രങ്ങൾ സൃഷ്ടിക്കാൻ ഇത് സാധ്യമാക്കുന്നു.

ഇൻസ്റ്റന്റ് റീസ്റ്റോർ: ഷെയർഡ്-ഇമേജ് അറ്റൻഷനോടു കൂടിയ സിംഗിൾ-സ്റ്റെപ്പ് പേഴ്സണലൈസ്ഡ് ഫേസ് റീസ്റ്റോറേഷൻ

ഒരു ഡിഫ്യൂഷൻ മോഡലിലൂടെ ഒരൊറ്റ ഫോർവേഡ് പാസ് ഉപയോഗിച്ച് നിലവാരം കുറഞ്ഞ മുഖചിത്രങ്ങൾ പുനഃസ്ഥാപിക്കുന്നതിനുള്ള ഒരു രീതിയായ ഇൻസ്റ്റന്റ് റീസ്റ്റോർ ഈ പേപ്പർ അവതരിപ്പിക്കുന്നു. പോർട്രെയ്റ്റ് ഫോട്ടോ മെച്ചപ്പെടുത്തുന്നതിനായി കാര്യക്ഷമമായ ഐഡന്റിറ്റി-അവെയർ പുനഃസ്ഥാപനത്തെ പിന്തുണച്ചുകൊണ്ട്, ഐഡന്റിറ്റി-നിർദ്ദിഷ്‌ട സവിശേഷതകൾ നിലനിർത്താൻ ഇത് ലക്ഷ്യമിടുന്നു.

ഒരൊറ്റ വീഡിയോയിൽ നിന്നുള്ള ഡൈനാമിക് കൺസെപ്റ്റ് പേഴ്സണലൈസേഷൻ

സെറ്റ്-ആൻഡ്-സീക്വൻസ് എന്നത് വീഡിയോ ജനറേഷൻ മോഡലുകൾക്കായുള്ള ഒരു പുതിയ ചട്ടക്കൂടാണ്, ഇത് "ഡൈനാമിക് കൺസെപ്റ്റുകൾ" ഉള്ള വീഡിയോകൾ നിർമ്മിക്കുന്നതിനുള്ള വെല്ലുവിളിയെ അഭിസംബോധന ചെയ്യുന്നു - സമുദ്രത്തിലെ തിരമാലകൾ അല്ലെങ്കിൽ മിന്നുന്ന തീ പോലുള്ളവ, അവയുടെ രൂപത്താൽ മാത്രമല്ല, കാലക്രമേണ അവയുടെ അതുല്യമായ ചലന രീതികളാലും നിർവചിക്കപ്പെട്ട എന്റിറ്റികൾ. ഡൈനാമിക് വിഷയങ്ങൾ കാലക്രമേണ എങ്ങനെ പെരുമാറുന്നു എന്ന് പഠിക്കുന്നതിലൂടെ റിയലിസ്റ്റിക് വീഡിയോ വ്യക്തിഗതമാക്കൽ സെറ്റ്-ആൻഡ്-സീക്വൻസ് പ്രാപ്തമാക്കുന്നു, ഇത് സ്ഥിരമായ ചലനം, രംഗ രചന, ക്രോസ്-സീൻ ബ്ലെൻഡിംഗ് എന്നിവ അനുവദിക്കുന്നു.

ഡ്യുയറ്റ്ജെൻ: ഹയറാർക്കിക്കൽ മാസ്ക്ഡ് മോഡലിംഗ് വഴി സംഗീതം നയിക്കുന്ന രണ്ടുപേരുടെ നൃത്ത ജനറേഷൻ

സംഗീതത്തിൽ നിന്ന് നേരിട്ട് സമന്വയിപ്പിച്ച രണ്ടുപേരുടെ നൃത്ത ചലനങ്ങൾ സൃഷ്ടിക്കുന്നതിനുള്ള ഒരു ചട്ടക്കൂടാണ് ഡ്യുയറ്റ്ജെൻ. നൃത്ത പങ്കാളികൾ തമ്മിലുള്ള ഏകോപിത ചലനവും ശാരീരിക ഇടപെടലുകളും പോലുള്ള ഇന്ററാക്ടീവ് കൊറിയോഗ്രാഫി മോഡലിംഗ് ചെയ്യുന്നതിനുള്ള വെല്ലുവിളിയെ ഇത് അഭിസംബോധന ചെയ്യുന്നു. ആനിമേഷൻ, വെർച്വൽ അവതാറുകൾ, ഡിജിറ്റൽ പ്രകടനം എന്നിവയിലെ ആപ്ലിക്കേഷനുകൾക്കായി സിസ്റ്റം റിയലിസ്റ്റിക് ഡ്യുയറ്റ് ഡാൻസ് ജനറേഷൻ പ്രാപ്തമാക്കുന്നു.

തീരുമാനമെടുക്കുക: മൾട്ടി-സബ്ജക്റ്റ് ജനറേഷനായി നോയിസ്-ഇൻഡ്യൂസ്ഡ് ലേഔട്ടുകൾ

ഞങ്ങളുടെ 'തീരുമാനമെടുക്കുക' എന്ന പ്രവർത്തനം, വിഷ്വൽ പിശകുകളോ അപ്രതീക്ഷിത മിശ്രണമോ ഇല്ലാതെ സങ്കീർണ്ണമായ ചിത്രങ്ങളിൽ ഒന്നിലധികം വ്യത്യസ്ത വിഷയങ്ങൾ കൃത്യമായി സൃഷ്ടിക്കുന്നതിനുള്ള വെല്ലുവിളിയെ നേരിടുന്നു. 'തീരുമാനമെടുക്കുക' എന്നത് ഒരു ചെറിയ ന്യൂറൽ നെറ്റ്‌വർക്ക് അവതരിപ്പിക്കുന്നു, അത് ഡീനോയിസിംഗ് സമയത്ത് നോയിസ്-ഇൻഡ്യൂസ്ഡ് സ്പേഷ്യൽ ലേഔട്ട് പ്രവചിക്കുകയും പരിഷ്കരിക്കുകയും ചെയ്യുന്നു, ഇമേജ് ജനറേഷന്റെ ആദ്യ ഘട്ടങ്ങളിൽ നിന്ന് ഓരോ വിഷയവും എവിടെ ദൃശ്യമാകണമെന്ന് നയിക്കുന്നു. ഇത് ഒന്നിലധികം നിർദ്ദിഷ്ട വിഷയങ്ങളുള്ള വളരെ വിശദമായ ചിത്രങ്ങൾ സൃഷ്ടിക്കാൻ അനുവദിക്കുന്നു, അവയ്ക്കിടയിൽ വ്യക്തമായ അതിരുകളും സ്വാഭാവിക കോമ്പോസിഷനുകളും ഉറപ്പാക്കുന്നു.

KDD 2025-- ടൊറന്റോ, ഒന്റാറിയോ, കാനഡ, ഓഗസ്റ്റ് 3 മുതൽ ഓഗസ്റ്റ് 7 വരെ

GiGL: Snapchat-ലെ വലിയ തോതിലുള്ള ഗ്രാഫ് ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ

നൂറുകണക്കിന് ദശലക്ഷം നോഡുകളെയും കോടിക്കണക്കിന് എഡ്ജുകളെയും പിന്തുണയ്ക്കുന്ന, വലിയ തോതിലുള്ള ഗ്രാഫുകളിൽ ഗ്രാഫ് ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ (GNN-കൾ) പരിശീലിപ്പിക്കുന്നതിനും പ്രവർത്തിപ്പിക്കുന്നതിനുമുള്ള ഒരു ഓപ്പൺ സോഴ്‌സ് ലൈബ്രറിയാണ് GiGL. ഉപയോക്തൃ വളർച്ച, ഉള്ളടക്ക റാങ്കിംഗ്, പരസ്യംചെയ്യൽ എന്നിവയുൾപ്പെടെയുള്ള പ്രധാന മെഷീൻ ലേണിംഗ് ആപ്ലിക്കേഷനുകളിലുടനീളം സ്നാപ്പിൽ GIGL ഉപയോഗിക്കുന്നു.

കൊളാബറേറ്റീവ് ഫിൽട്ടറിംഗിലെ വെയ്റ്റ് ഡീകേയുടെ പങ്കിനെക്കുറിച്ച്: ഒരു ജനപ്രീതി കാഴ്ചപ്പാട്

ഈ പേപ്പർ PRISM (മാഗ്നിറ്റ്യൂഡുകൾ ഉൾച്ചേർക്കുന്നതിനുള്ള ജനപ്രീതി-അവെയർ ഇനീഷ്യലൈസേഷൻ സ്ട്രാറ്റജി) അവതരിപ്പിക്കുന്നു. ശുപാർശ മോഡൽ പരിശീലനത്തിലെ സാധാരണവും എന്നാൽ ചെലവേറിയതുമായ ഒരു സാങ്കേതികതയായ എംബെഡിംഗ് വെയ്റ്റ് ഡീകേയുടെ ഉപയോഗം PRISM ഇല്ലാതാക്കുന്നു, പകരം പരിശീലനത്തിന്റെ തുടക്കത്തിൽ ഒരൊറ്റ ലഘുവായ കമ്പ്യൂട്ടേഷൻ ഉപയോഗിച്ച് ഇത് മാറ്റിസ്ഥാപിക്കുന്നു. PRISM വേഗതയേറിയതും പ്രയോഗിക്കാൻ ലളിതവുമാണ്, ഇത് കൂടുതൽ കാര്യക്ഷമമായ ശുപാർശ സംവിധാനങ്ങളിലേക്ക് നയിക്കുന്നു.

ക്രോസ്-ഡൊമെയ്ൻ സീക്വൻഷ്യൽ ശുപാർശയ്ക്കായി സെൽഫ്-അറ്റൻഷൻ പുനഃപരിശോധിക്കുന്നു

ഈ പ്രവർത്തനം AutoCDSR അവതരിപ്പിക്കുന്നു, ശബ്ദമയമായതോ അപ്രസക്തമായതോ ആയ സിഗ്നലുകൾ ലഘൂകരിക്കുമ്പോൾ ഫലപ്രദമായ വിജ്ഞാന പങ്കിടൽ പ്രോത്സാഹിപ്പിക്കുന്നതിലൂടെ, അത്തരം സിസ്റ്റങ്ങൾ വ്യത്യസ്ത ഇടപെടൽ ഡൊമെയ്‌നുകളിലുടനീളം ഉപയോക്തൃ സ്വഭാവം എങ്ങനെ പ്രവചിക്കുന്നു എന്ന് മെച്ചപ്പെടുത്തുന്നതിനുള്ള ഒരു രീതിയാണിത്. ശുപാർശ ക്രമീകരണങ്ങളിൽ വ്യക്തിഗതമാക്കലിന്റെ കൃത്യതയും കരുത്തും AutoCDSR മെച്ചപ്പെടുത്തുന്നു.

SnapGen: മൊബൈൽ ഉപകരണങ്ങൾക്കായി ഉയർന്ന റെസല്യൂഷനുള്ള ടെക്സ്റ്റ്-ടു-ഇമേജ് മോഡലുകളെ മെരുക്കുന്നു കാര്യക്ഷമമായ ആർക്കിടെക്ചറുകളും പരിശീലനവും ഉപയോഗിച്ച് മൊബൈൽ ഉപകരണങ്ങൾക്കായുള്ള സ്നാപ്പ് AI T2I മോഡൽ

മൊബൈൽ ഉപകരണങ്ങളിൽ നേരിട്ട് പ്രവർത്തിക്കാൻ രൂപകൽപ്പന ചെയ്ത ഉയർന്ന പ്രകടനമുള്ള ടെക്സ്റ്റ്-ടു-ഇമേജ് ഗവേഷണ മോഡലാണ് SnapGen, രണ്ട് സെക്കൻഡിനുള്ളിൽ ഉയർന്ന നിലവാരമുള്ള ചിത്രങ്ങൾ സൃഷ്ടിക്കുന്നു. ഉപകരണത്തിലെ ഇമേജ് ജനറേഷന് ആവശ്യമായ കമ്പ്യൂട്ടും മെമ്മറിയും ഗണ്യമായി കുറയ്ക്കാൻ ഇതിന് കഴിയും.

SnapGen-V: ഒരു മൊബൈൽ ഉപകരണത്തിൽ അഞ്ച് സെക്കൻഡിനുള്ളിൽ അഞ്ച് സെക്കൻഡ് വീഡിയോ നിർമ്മിക്കുന്നു

വെറും അഞ്ച് സെക്കൻഡിനുള്ളിൽ മൊബൈൽ ഉപകരണങ്ങളിൽ നേരിട്ട് അഞ്ച് സെക്കൻഡ് വീഡിയോകൾ നിർമ്മിക്കുന്നതിനായി SnapGen-V ഞങ്ങളുടെ SnapGen മോഡൽ വികസിപ്പിക്കുന്നു. ടെക്സ്റ്റ്-ടു-ഇമേജ് മോഡലിംഗിലെ ഞങ്ങളുടെ മുന്നേറ്റങ്ങളെ അടിസ്ഥാനമാക്കി, വേഗതയേറിയതും ഉപകരണത്തിലെ വീഡിയോ ജനറേഷനും ഇത് കൈയെത്തും ദൂരത്ത് എത്തിക്കുന്നു.

4Real-വീഡിയോ: പൊതുവാക്കാവുന്ന ഫോട്ടോ-റിയലിസ്റ്റിക് 4D വീഡിയോ ഡിഫ്യൂഷൻ

4Real-വീഡിയോ ഗവേഷണ മോഡൽ സമ്പന്നമായ വിശദാംശങ്ങളും സ്വാഭാവിക ചലനവുമുള്ള റിയലിസ്റ്റിക് 4D വീഡിയോകൾ നിർമ്മിക്കുന്നു, അവ ഒന്നിലധികം കോണുകളിൽ നിന്ന് കാണാനാകും. ഈ സാങ്കേതികവിദ്യയ്ക്ക് ഇമ്മേഴ്‌സീവ് VR-ലും അടുത്ത തലമുറയിലെ കഥപറച്ചിൽ അനുഭവങ്ങളിലും സാധ്യതയുള്ള ആപ്ലിക്കേഷനുകളുണ്ട്.

സ്റ്റേബിൾ ഫ്ലോ: പരിശീലന രഹിത ഇമേജ് എഡിറ്റിംഗിനുള്ള സുപ്രധാന ലെയറുകൾ

ഞങ്ങളുടെ സ്റ്റേബിൾ ഫ്ലോ ഗവേഷണ മോഡൽ, സങ്കീർണ്ണമായ പരിശീലനമോ ഉയർന്ന നിലവാരത്തിലുള്ള ഹാർഡ്‌വെയറോ ആവശ്യമില്ലാതെ ഒബ്‌ജക്റ്റുകൾ ചേർക്കുകയോ നീക്കം ചെയ്യുകയോ പോലുള്ള ശക്തമായ ഇമേജ് എഡിറ്റിംഗ് പ്രാപ്തമാക്കുന്നു. ഈ സമീപനം ആർക്കും സാങ്കേതിക വൈദഗ്ധ്യം ആവശ്യമില്ലാതെ എളുപ്പത്തിൽ ഫോട്ടോകൾ എഡിറ്റ് ചെയ്യാൻ അനുവദിക്കുന്നു.

Omni-ID: ജനറേറ്റീവ് ടാസ്ക്കുകൾക്കായി രൂപകൽപ്പന ചെയ്ത ഹോളിസ്റ്റിക് ഐഡന്റിറ്റി റെപ്രസെന്റേഷൻ

ഞങ്ങളുടെ Omni-ID ഗവേഷണ മോഡൽ ഒരു വ്യക്തിയുടെ മുഖത്തിന്റെ വിവിധ കോണുകളിലും ഭാവങ്ങളിലുമുള്ള സമഗ്രമായ ഒരു പ്രാതിനിധ്യം നിർമ്മിക്കുന്നു, ഇത് കൂടുതൽ യാഥാർത്ഥ്യവും വ്യക്തിഗതവുമായ AI, AR ജനറേഷനുകൾ സാധ്യമാക്കുന്നു.

PrEditor3D: വേഗതയേറിയതും കൃത്യവുമായ 3D ഷേപ്പ് എഡിറ്റിംഗ്

ഞങ്ങളുടെ ഗവേഷണ ടീമുകൾ വികസിപ്പിച്ചെടുത്ത ഒരു ഉപകരണമാണ് PrEditor3D, ഇത് കുറഞ്ഞ ഇൻപുട്ട് ഉപയോഗിച്ച് 3D മോഡലുകളുടെ വേഗത്തിലും കൃത്യമായും എഡിറ്റിംഗ് അനുവദിക്കുന്നു, 3D രൂപങ്ങൾ എങ്ങനെ കൈകാര്യം ചെയ്യുകയും ക്രമീകരിക്കുകയും ചെയ്യുന്നു എന്ന് ലളിതമാക്കുന്നതിലൂടെ 3D ഉള്ളടക്ക നിർമ്മാണ പ്രക്രിയ കാര്യക്ഷമമാക്കുന്നു. പ്രയോഗത്തിൽ, ആനിമേറ്റർമാർക്കും ലെൻസുകൾ നിർമ്മിക്കുന്നവർക്കും അവരുടെ ദർശനങ്ങൾ കാര്യക്ഷമമായി ജീവസുറ്റതാക്കാൻ PrEditor3D-ക്ക് കഴിയും, ഇത് സമ്പന്നവും കൂടുതൽ ആഴത്തിലുള്ളതുമായ AR അനുഭവങ്ങളിലേക്ക് നയിക്കുന്നു.

മൊഡാലിറ്റികളുടെ മൊസൈക്ക്: മൾട്ടിമോഡൽ ഗ്രാഫ് പഠനത്തിനുള്ള ഒരു സമഗ്രമായ ബെഞ്ച്മാർക്ക് 

MM-ഗ്രാഫ് മൾട്ടി-മോഡൽ ഗ്രാഫ് പഠനത്തിനുള്ള ആദ്യത്തെ ബെഞ്ച്മാർക്ക് അവതരിപ്പിക്കുന്നു, നിലവിലെ ബെഞ്ച്മാർക്കുകളിലെ വിഷ്വൽ വിവരങ്ങളുടെ കാര്യമായ വിടവ് പരിഹരിക്കുന്നതിന് വിഷ്വൽ, ടെക്സ്റ്റ് ഡാറ്റ എന്നിവ ഉൾക്കൊള്ളുന്നു. ഇത് കൂടുതൽ സമഗ്രമായ മോഡൽ മൂല്യനിർണ്ണയത്തിന് അനുവദിക്കുകയും സമ്പന്നവും യഥാർത്ഥ ലോക ഇൻപുട്ടുകളും മനസ്സിലാക്കാൻ കഴിയുന്ന ഗ്രാഫ് പഠന സംവിധാനങ്ങളിൽ നവീകരണം പ്രോത്സാഹിപ്പിക്കുകയും ചെയ്യുന്നു.

വീഡിയോ ആൽക്കെമിസ്റ്റ്

ഒരു ടെക്സ്റ്റ് പ്രോംപ്റ്റും ഒരു കൂട്ടം റഫറൻസ് ചിത്രങ്ങളും ഉപയോഗിച്ച്, വിപുലമായ ട്യൂണിംഗോ ഒപ്റ്റിമൈസേഷനോ ഇല്ലാതെ വീഡിയോകൾ നിർമ്മിക്കാനുള്ള കഴിവ് വീഡിയോ ആൽക്കെമിസ്റ്റ് പ്രാപ്തമാക്കുന്നു. പ്രയോഗത്തിൽ ഇത് ഇഷ്‌ടാനുസൃത രൂപങ്ങളും പശ്ചലങ്ങളും ഉപയോഗിച്ച് വീഡിയോ വ്യക്തിഗതമാക്കൽ കാര്യക്ഷമമാക്കുകയും സർഗ്ഗാത്മകത വർദ്ധിപ്പിക്കുമ്പോൾ സമയം ലാഭിക്കുകയും ചെയ്യും.

സമയം ശ്രദ്ധിക്കുക: താൽക്കാലികമായി നിയന്ത്രിത മൾട്ടി-ഇവന്റ് വീഡിയോ ജനറേഷൻ

AI-നിർമ്മിത വീഡിയോകളിൽ 'സമയം ശ്രദ്ധിക്കുക' എന്നത് കൃത്യമായ താൽക്കാലിക നിയന്ത്രണം അവതരിപ്പിക്കുന്നു. സംഭവങ്ങളുടെ ക്രമവും സമയവും നിർണ്ണയിക്കാൻ ഇത് സ്രഷ്‌ടാക്കളെ അനുവദിക്കും. വീഡിയോ ജനറേഷനിൽ കൂടുതൽ ഘടനാപരവും യോജിച്ചതുമായ കഥപറച്ചിൽ ഇത് സാധ്യമാക്കുന്നു.

ഡിഫ്യൂഷൻ ട്രാൻസ്ഫോർമറുകൾ ഉപയോഗിച്ചുള്ള വീഡിയോ മോഷൻ ട്രാൻസ്ഫർ

ഒരു ഡിഫ്യൂഷൻ ഗവേഷണ മോഡൽ ഉപയോഗിച്ച് ഒരു വീഡിയോയിൽ നിന്ന് മറ്റൊന്നിലേക്ക് റിയലിസ്റ്റിക് ചലനം കൈമാറുന്നതിനുള്ള ഒരു രീതിയാണ് വീഡിയോ മോഷൻ ട്രാൻസ്ഫർ. പ്രയോഗത്തിൽ, സങ്കീർണ്ണമായ സജ്ജീകരണങ്ങൾ ആവശ്യമില്ലാതെ, റഫറൻസ് വീഡിയോകളിൽ നിന്ന് ചലനം കൈമാറ്റം ചെയ്തുകൊണ്ട് ഈ മോഡലിന് റിയലിസ്റ്റിക് ചലനങ്ങളുള്ള വീഡിയോകൾ എളുപ്പത്തിൽ സൃഷ്ടിക്കാൻ കഴിയും.

വണ്ടർലാൻഡ്: ഒരൊറ്റ ചിത്രത്തിൽ നിന്ന് 3D രംഗങ്ങൾ നാവിഗേറ്റ് ചെയ്യുന്നു

വണ്ടർലാൻഡ് ഒരു ഫോട്ടോയിൽ നിന്ന് വിശദമായ 3D രംഗങ്ങൾ സൃഷ്ടിക്കുന്നു, 3D രംഗങ്ങളുടെ നിർമ്മാണം ലളിതമാക്കുന്നു, കൂടാതെ ഒന്നിലധികം കോണുകളോ വിപുലമായ വിഭവങ്ങളോ ആവശ്യമില്ലാതെ വേഗതയേറിയതും കാര്യക്ഷമവുമായ രൂപകൽപ്പന അനുവദിക്കുന്നു.

AC3D: വീഡിയോ ഡിഫ്യൂഷൻ ട്രാൻസ്ഫോർമറുകളിൽ 3D ക്യാമറ നിയന്ത്രണം വിശകലനം ചെയ്യുകയും മെച്ചപ്പെടുത്തുകയും ചെയ്യുന്നു

AC3D വീഡിയോ ജനറേഷൻ മോഡലുകൾക്കുള്ളിൽ ക്യാമറ നിയന്ത്രണം മെച്ചപ്പെടുത്തുന്നു, സുഗമവും കൂടുതൽ യാഥാർത്ഥ്യബോധമുള്ളതുമായ ചലനം സാധ്യമാക്കുന്നു. ഇത് വീഡിയോകളിലെ ക്യാമറ ചലനങ്ങളിൽ സ്രഷ്‌ടാക്കൾക്ക് കൂടുതൽ വഴക്കം നൽകുന്നു, കൂടാതെ നിർമ്മിച്ച രംഗങ്ങളുടെ ഗുണനിലവാരവും യാഥാർത്ഥ്യവും മെച്ചപ്പെടുത്തുന്നു.

*ഇവിടെ വിവരിച്ചിരിക്കുന്ന എല്ലാ മോഡലുകളും പ്രവർത്തനങ്ങളും ഗവേഷണ ആവശ്യങ്ങൾക്ക് മാത്രമുള്ളതാണ്. 

ഈ പോസ്റ്റ് തുടർന്നും അപ്ഡേറ്റ് ചെയ്യുന്നതാണ്.