Snap ਖੋਜ 2025

Snap ਖੋਜ ਟੀਮ AR ਅਤੇ ਜਨਰੇਟਿਵ AI, ਸਿਫ਼ਾਰਸ਼ ਪ੍ਰਣਾਲੀਆਂ, ਅਤੇ ਵਿਅਕਤੀਗਤ ਰਚਨਾਤਮਕ ਸਾਧਨਾਂ ਵਿੱਚ ਨਵੀਨਤਾ ਦੀ ਅਗਵਾਈ ਕਰ ਰਹੀ ਹੈ।

2025 ਵਿੱਚ, ਅਸੀਂ ਕਈ ਪ੍ਰਮੁੱਖ ਉਦਯੋਗ ਕਾਨਫਰੰਸਾਂ ਅਤੇ ਸਮਾਗਮਾਂ ਵਿੱਚ ਆਪਣੇ ਕੰਮ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰ ਰਹੇ ਹਾਂ।

ਪਿਛਲੇ ਸਮਾਗਮ:

SIGGRAPH 2025-- ਵੈਨਕੂਵਰ, ਕੈਨੇਡਾ 10 ਅਗਸਤ ਤੋਂ 14 ਅਗਸਤ ਤੱਕ

ਨੇਸਟਡ ਅਟੈਂਸ਼ਨ: ਸੰਕਲਪ ਵਿਅਕਤੀਗਤਕਰਨ ਲਈ ਅਰਥ-ਜਾਣੂ ਧਿਆਨ ਮੁੱਲ

ਨੇਸਟਡ ਅਟੈਂਸ਼ਨ ਇੱਕ ਨਵੀਂ ਵਿਧੀ ਹੈ ਜੋ ਚਿੱਤਰ ਬਣਾਉਣ ਵਾਲੇ ਮਾਡਲਾਂ ਵਿੱਚ ਪਛਾਣ ਦੀ ਸੰਭਾਲ ਨੂੰ ਵਧਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਦੀ ਹੈ, ਵੱਖ-ਵੱਖ ਸ਼ੈਲੀਆਂ ਅਤੇ ਦ੍ਰਿਸ਼ਾਂ ਵਿੱਚ ਖਾਸ ਵਿਸ਼ਿਆਂ ਦੀਆਂ ਵਧੇਰੇ ਇਕਸਾਰ ਅਤੇ ਸਹੀ ਤਸਵੀਰਾਂ ਬਣਾਉਂਦੀ ਹੈ। ਇੱਕ ਅਰਥ-ਜਾਣੂ ਧਿਆਨ ਢਾਂਚੇ ਨੂੰ ਪੇਸ਼ ਕਰਕੇ, ਮਾਡਲ ਵੱਖ-ਵੱਖ ਸ਼ੈਲੀਆਂ ਅਤੇ ਦ੍ਰਿਸ਼ਾਂ ਵਿੱਚ ਪਛਾਣ ਨੂੰ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਸੁਰੱਖਿਅਤ ਰੱਖਦਾ ਹੈ। ਇਹ ਵਿਅਕਤੀਗਤ ਚਿੱਤਰ ਬਣਾਉਣਾ ਸੰਭਵ ਬਣਾਉਂਦਾ ਹੈ, ਇੱਥੋਂ ਤੱਕ ਕਿ ਵੱਖ-ਵੱਖ ਵਿਸ਼ਿਆਂ - ਜਿਵੇਂ ਕਿ ਇੱਕ ਵਿਅਕਤੀ ਅਤੇ ਉਸਦੇ ਪਾਲਤੂ ਜਾਨਵਰ - ਨੂੰ ਇੱਕ ਤਸਵੀਰ ਵਿੱਚ ਜੋੜਨਾ ਵੀ ਸੰਭਵ ਬਣਾਉਂਦਾ ਹੈ।

InstantRestore: ਸਾਂਝੀ-ਚਿੱਤਰ ਧਿਆਨ ਨਾਲ ਸਿੰਗਲ-ਸਟੈਪ ਵਿਅਕਤੀਗਤ ਚਿਹਰਾ ਬਹਾਲੀ

ਇਹ ਪੇਪਰ InstantRestore ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਇੱਕ ਡਿਫਿਊਜ਼ਨ ਮਾਡਲ ਦੁਆਰਾ ਇੱਕ ਸਿੰਗਲ ਫਾਰਵਰਡ ਪਾਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਖਰਾਬ ਚਿਹਰੇ ਦੀਆਂ ਤਸਵੀਰਾਂ ਨੂੰ ਬਹਾਲ ਕਰਨ ਲਈ ਇੱਕ ਢੰਗ। ਇਸਦਾ ਉਦੇਸ਼ ਪਛਾਣ-ਵਿਸ਼ੇਸ਼ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਣਾ ਹੈ, ਪੋਰਟਰੇਟ ਫੋਟੋ ਸੁਧਾਰ ਲਈ ਕੁਸ਼ਲ ਪਛਾਣ-ਜਾਣੂ ਬਹਾਲੀ ਦਾ ਸਮਰਥਨ ਕਰਨਾ ਹੈ।

ਸਿੰਗਲ ਵੀਡੀਓ ਤੋਂ ਗਤੀਸ਼ੀਲ ਸੰਕਲਪਾਂ ਦਾ ਵਿਅਕਤੀਗਤਕਰਨ

ਸੈੱਟ-ਐਂਡ-ਸੀਕਵੈਂਸ ਵੀਡੀਓ ਜਨਰੇਸ਼ਨ ਮਾਡਲਾਂ ਲਈ ਇੱਕ ਨਵਾਂ ਢਾਂਚਾ ਹੈ ਜੋ "ਗਤੀਸ਼ੀਲ ਸੰਕਲਪਾਂ" ਵਾਲੇ ਵੀਡੀਓ ਬਣਾਉਣ ਦੀ ਚੁਣੌਤੀ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਦਾ ਹੈ - ਇਕਾਈਆਂ ਨੂੰ ਨਾ ਸਿਰਫ਼ ਉਹਨਾਂ ਦੀ ਦਿੱਖ ਦੁਆਰਾ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ, ਸਗੋਂ ਸਮੇਂ ਦੇ ਨਾਲ ਉਹਨਾਂ ਦੇ ਵਿਲੱਖਣ ਗਤੀ ਪੈਟਰਨਾਂ ਦੁਆਰਾ ਵੀ, ਜਿਵੇਂ ਕਿ ਸਮੁੰਦਰ ਦੀਆਂ ਲਹਿਰਾਂ ਜਾਂ ਇੱਕ ਝਪਕਦੀ ਹੋਈ ਬੋਨਫਾਇਰ। ਸੈੱਟ-ਐਂਡ-ਸੀਕਵੈਂਸ ਇਹ ਸਿੱਖ ਕੇ ਯਥਾਰਥਵਾਦੀ ਵੀਡੀਓ ਵਿਅਕਤੀਗਤਕਰਨ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਗਤੀਸ਼ੀਲ ਵਿਸ਼ੇ ਸਮੇਂ ਦੇ ਨਾਲ ਕਿਵੇਂ ਵਿਵਹਾਰ ਕਰਦੇ ਹਨ, ਇਕਸਾਰ ਗਤੀ, ਦ੍ਰਿਸ਼ ਰਚਨਾ, ਅਤੇ ਕਰਾਸ-ਸੀਨ ਮਿਸ਼ਰਣ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ।

DuetGen: ਹਾਇਰਾਰਕੀਕਲ ਮਾਸਕਡ ਮਾਡਲਿੰਗ ਦੁਆਰਾ ਸੰਗੀਤ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਦੋ-ਵਿਅਕਤੀ ਡਾਂਸ ਜਨਰੇਸ਼ਨ

DuetGen ਸਿੱਧੇ ਸੰਗੀਤ ਤੋਂ ਸਮਕਾਲੀ ਦੋ-ਵਿਅਕਤੀ ਡਾਂਸ ਗਤੀ ਪੈਦਾ ਕਰਨ ਲਈ ਇੱਕ ਢਾਂਚਾ ਹੈ। ਇਹ ਇੰਟਰਐਕਟਿਵ ਕੋਰੀਓਗ੍ਰਾਫੀ ਦੇ ਮਾਡਲਿੰਗ ਦੀ ਚੁਣੌਤੀ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਡਾਂਸ ਪਾਰਟਨਰਾਂ ਵਿਚਕਾਰ ਤਾਲਮੇਲ ਵਾਲੀ ਗਤੀ ਅਤੇ ਸਰੀਰਕ ਪਰਸਪਰ ਪ੍ਰਭਾਵ। ਇਹ ਸਿਸਟਮ ਐਨੀਮੇਸ਼ਨ, ਵਰਚੁਅਲ ਅਵਤਾਰਾਂ, ਅਤੇ ਡਿਜੀਟਲ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਯਥਾਰਥਵਾਦੀ ਡੁਏਟ ਡਾਂਸ ਜਨਰੇਸ਼ਨ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ।

ਨਿਰਣਾਇਕ ਬਣੋ: ਬਹੁ-ਵਿਸ਼ਾ ਉਤਪਤੀ ਲਈ ਸ਼ੋਰ-ਪ੍ਰੇਰਿਤ ਲੇਆਉਟ

ਸਾਡਾ ਕੰਮ 'ਨਿਰਣਾਇਕ ਬਣੋ' ਵਿਜ਼ੂਅਲ ਅਸ਼ੁੱਧੀਆਂ ਜਾਂ ਅਣਇੱਛਤ ਮਿਸ਼ਰਣ ਤੋਂ ਬਿਨਾਂ ਗੁੰਝਲਦਾਰ ਚਿੱਤਰਾਂ ਵਿੱਚ ਕਈ ਵੱਖ-ਵੱਖ ਵਿਸ਼ਿਆਂ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਤਿਆਰ ਕਰਨ ਦੀ ਚੁਣੌਤੀ ਨਾਲ ਨਜਿੱਠਦਾ ਹੈ। 'ਨਿਰਣਾਇਕ ਬਣੋ' ਇੱਕ ਛੋਟਾ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਪੇਸ਼ ਕਰਦਾ ਹੈ ਜੋ ਡੀਨੋਇਜ਼ਿੰਗ ਦੌਰਾਨ ਇੱਕ ਸ਼ੋਰ-ਪ੍ਰੇਰਿਤ ਸਥਾਨਿਕ ਲੇਆਉਟ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ ਅਤੇ ਉਸਨੂੰ ਸੁਧਾਰਦਾ ਹੈ, ਇਹ ਮਾਰਗਦਰਸ਼ਨ ਕਰਦਾ ਹੈ ਕਿ ਚਿੱਤਰ ਬਣਾਉਣ ਦੇ ਸ਼ੁਰੂਆਤੀ ਪੜਾਵਾਂ ਤੋਂ ਹਰੇਕ ਵਿਸ਼ੇ ਨੂੰ ਕਿੱਥੇ ਦਿਖਾਈ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਕਈ ਖਾਸ ਵਿਸ਼ਿਆਂ ਦੇ ਨਾਲ ਬਹੁਤ ਵਿਸਤ੍ਰਿਤ ਚਿੱਤਰਾਂ ਦੀ ਸਿਰਜਣਾ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, ਉਹਨਾਂ ਵਿਚਕਾਰ ਸਪਸ਼ਟ ਸੀਮਾਵਾਂ ਅਤੇ ਕੁਦਰਤੀ ਰਚਨਾਵਾਂ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ।

KDD 2025-- ਟੋਰਾਂਟੋ, ਓਨਟਾਰੀਓ, ਕੈਨੇਡਾ 3 ਅਗਸਤ ਤੋਂ 7 ਅਗਸਤ ਤੱਕ

GiGL: Snapchat 'ਤੇ ਵੱਡੇ ਪੈਮਾਨੇ ਦੇ ਗ੍ਰਾਫ ਨਿਊਰਲ ਨੈੱਟਵਰਕ

GiGL ਵੱਡੇ ਪੈਮਾਨੇ ਦੇ ਗ੍ਰਾਫਾਂ 'ਤੇ ਗ੍ਰਾਫ ਨਿਊਰਲ ਨੈੱਟਵਰਕ (GNNs) ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਅਤੇ ਚਲਾਉਣ ਲਈ ਇੱਕ ਓਪਨ-ਸੋਰਸ ਲਾਇਬ੍ਰੇਰੀ ਹੈ, ਜੋ ਸੈਂਕੜੇ ਮਿਲੀਅਨ ਨੋਡਾਂ ਅਤੇ ਅਰਬਾਂ ਕਿਨਾਰਿਆਂ ਦਾ ਸਮਰਥਨ ਕਰਦੀ ਹੈ। GIGL ਦੀ ਵਰਤੋਂ Snap 'ਤੇ ਮੁੱਖ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਉਪਭੋਗਤਾ ਵਾਧਾ, ਸਮੱਗਰੀ ਦਰਜਾਬੰਦੀ, ਅਤੇ ਇਸ਼ਤਿਹਾਰਬਾਜ਼ੀ ਸ਼ਾਮਲ ਹੈ।

ਸਹਿਯੋਗੀ ਫਿਲਟਰਿੰਗ ਵਿੱਚ ਵਜ਼ਨ ਘਟਣ ਦੀ ਭੂਮਿਕਾ 'ਤੇ: ਇੱਕ ਪ੍ਰਸਿੱਧੀ ਦ੍ਰਿਸ਼ਟੀਕੋਣ

ਇਹ ਪੇਪਰ PRISM (ਮੈਗਨੀਟਿਊਡਸ ਨੂੰ ਏਮਬੈਡ ਕਰਨ ਲਈ ਪ੍ਰਸਿੱਧੀ-ਜਾਣੂ ਸ਼ੁਰੂਆਤੀ ਰਣਨੀਤੀ) ਪੇਸ਼ ਕਰਦਾ ਹੈ। PRISM ਵਜ਼ਨ ਘਟਣ ਨੂੰ ਏਮਬੈਡ ਕਰਨ ਦੀ ਵਰਤੋਂ ਨੂੰ ਖਤਮ ਕਰਦਾ ਹੈ, ਜੋ ਸਿਫ਼ਾਰਸ਼ ਮਾਡਲ ਸਿਖਲਾਈ ਵਿੱਚ ਇੱਕ ਆਮ ਪਰ ਮਹਿੰਗੀ ਤਕਨੀਕ ਹੈ, ਅਤੇ ਇਸਦੀ ਬਜਾਏ ਇਸਨੂੰ ਸਿਖਲਾਈ ਦੀ ਸ਼ੁਰੂਆਤ ਵਿੱਚ ਇੱਕ ਸਿੰਗਲ ਲਾਈਟ ਕੰਪਿਊਟੇਸ਼ਨ ਨਾਲ ਬਦਲ ਦਿੰਦਾ ਹੈ। PRISM ਤੇਜ਼ ਹੈ, ਲਾਗੂ ਕਰਨ ਲਈ ਸਧਾਰਨ ਹੈ, ਜਿਸ ਨਾਲ ਵਧੇਰੇ ਕੁਸ਼ਲ ਸਿਫ਼ਾਰਸ਼ ਪ੍ਰਣਾਲੀਆਂ ਬਣਦੀਆਂ ਹਨ।

ਕਰਾਸ-ਡੋਮੇਨ ਕ੍ਰਮਵਾਰ ਸਿਫ਼ਾਰਸ਼ ਲਈ ਸਵੈ-ਧਿਆਨ 'ਤੇ ਮੁੜ ਵਿਚਾਰ ਕਰਨਾ

ਇਹ ਕੰਮ AutoCDSR ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਇਹ ਸੁਧਾਰਨ ਲਈ ਇੱਕ ਢੰਗ ਹੈ ਕਿ ਅਜਿਹੇ ਸਿਸਟਮ ਵੱਖ-ਵੱਖ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਡੋਮੇਨਾਂ ਵਿੱਚ ਉਪਭੋਗਤਾ ਦੇ ਵਿਵਹਾਰ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਿਵੇਂ ਕਰਦੇ ਹਨ, ਰੌਲੇ-ਰੱਪੇ ਵਾਲੇ ਜਾਂ ਅਪ੍ਰਸੰਗਿਕ ਸੰਕੇਤਾਂ ਨੂੰ ਘੱਟ ਕਰਦੇ ਹੋਏ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਗਿਆਨ ਸਾਂਝਾਕਰਨ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਕੇ। AutoCDSR ਸਿਫ਼ਾਰਸ਼ ਸੈਟਿੰਗਾਂ ਵਿੱਚ ਵਿਅਕਤੀਗਤਕਰਨ ਦੀ ਸ਼ੁੱਧਤਾ ਅਤੇ ਮਜ਼ਬੂਤੀ ਵਿੱਚ ਸੁਧਾਰ ਕਰਦਾ ਹੈ।

SnapGen: ਮੋਬਾਈਲ ਡਿਵਾਈਸਾਂ ਲਈ ਉੱਚ-ਰੈਜ਼ੋਲੂਸ਼ਨ ਟੈਕਸਟ-ਟੂ-ਇਮੇਜ ਮਾਡਲਾਂ ਨੂੰ ਕਾਬੂ ਕਰਨਾ ਕੁਸ਼ਲ ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਸਿਖਲਾਈ ਦੇ ਨਾਲ ਮੋਬਾਈਲ ਡਿਵਾਈਸਾਂ ਲਈ Snap AI T2I ਮਾਡਲ

SnapGen ਇੱਕ ਉੱਚ-ਪ੍ਰਦਰਸ਼ਨ ਵਾਲਾ ਟੈਕਸਟ-ਟੂ-ਇਮੇਜ ਖੋਜ ਮਾਡਲ ਹੈ ਜੋ ਸਿੱਧੇ ਮੋਬਾਈਲ ਡਿਵਾਈਸਾਂ 'ਤੇ ਚੱਲਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਦੋ ਸਕਿੰਟਾਂ ਤੋਂ ਵੀ ਘੱਟ ਸਮੇਂ ਵਿੱਚ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੀਆਂ ਤਸਵੀਰਾਂ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਇਸ ਵਿੱਚ ਡਿਵਾਈਸ 'ਤੇ ਚਿੱਤਰ ਬਣਾਉਣ ਲਈ ਲੋੜੀਂਦੀ ਗਣਨਾ ਅਤੇ ਮੈਮੋਰੀ ਨੂੰ ਬਹੁਤ ਘੱਟ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਹੈ।

SnapGen-V: ਇੱਕ ਮੋਬਾਈਲ ਡਿਵਾਈਸ 'ਤੇ ਪੰਜ ਸਕਿੰਟਾਂ ਦੇ ਅੰਦਰ ਪੰਜ-ਸਕਿੰਟ ਦਾ ਵੀਡੀਓ ਬਣਾਉਣਾ

SnapGen-V ਸਾਡੇ SnapGen ਮਾਡਲ ਦਾ ਵਿਸਤਾਰ ਕਰਦਾ ਹੈ ਤਾਂ ਜੋ ਸਿਰਫ਼ ਪੰਜ ਸਕਿੰਟਾਂ ਵਿੱਚ ਮੋਬਾਈਲ ਡਿਵਾਈਸਾਂ 'ਤੇ ਸਿੱਧੇ ਪੰਜ-ਸਕਿੰਟ ਦੇ ਵੀਡੀਓ ਤਿਆਰ ਕੀਤੇ ਜਾ ਸਕਣ। ਇਹ ਟੈਕਸਟ-ਟੂ-ਇਮੇਜ ਮਾਡਲਿੰਗ ਵਿੱਚ ਸਾਡੀਆਂ ਤਰੱਕੀਆਂ 'ਤੇ ਨਿਰਮਾਣ ਕਰਦੇ ਹੋਏ, ਤੇਜ਼, ਆਨ-ਡਿਵਾਈਸ ਵੀਡੀਓ ਜਨਰੇਸ਼ਨ ਨੂੰ ਪਹੁੰਚ ਵਿੱਚ ਲਿਆਉਂਦਾ ਹੈ।

4Real-Video: ਸਧਾਰਣਕਰਨਯੋਗ ਫੋਟੋ-ਯਥਾਰਥਵਾਦੀ 4D ਵੀਡੀਓ ਡਿਫਿਊਜ਼ਨ ਸਿੱਖਣਾ

4Real-Video ਖੋਜ ਮਾਡਲ ਅਮੀਰ ਵੇਰਵੇ ਅਤੇ ਕੁਦਰਤੀ ਗਤੀ ਦੇ ਨਾਲ ਯਥਾਰਥਵਾਦੀ 4D ਵੀਡੀਓ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਜੋ ਕਈ ਕੋਣਾਂ ਤੋਂ ਦੇਖਣਯੋਗ ਹੈ। ਇਸ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਇਮਰਸਿਵ VR ਅਤੇ ਅਗਲੀ-ਪੀੜ੍ਹੀ ਦੇ ਕਹਾਣੀ ਸੁਣਾਉਣ ਦੇ ਤਜ਼ਰਬਿਆਂ ਵਿੱਚ ਸੰਭਾਵੀ ਐਪਲੀਕੇਸ਼ਨ ਹਨ।

ਸਥਿਰ ਪ੍ਰਵਾਹ: ਸਿਖਲਾਈ-ਮੁਕਤ ਚਿੱਤਰ ਸੰਪਾਦਨ ਲਈ ਮਹੱਤਵਪੂਰਨ ਤਹਿਆਂ

ਸਾਡਾ ਸਥਿਰ ਪ੍ਰਵਾਹ ਖੋਜ ਮਾਡਲ ਸ਼ਕਤੀਸ਼ਾਲੀ ਚਿੱਤਰ ਸੰਪਾਦਨ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਗੁੰਝਲਦਾਰ ਸਿਖਲਾਈ ਜਾਂ ਉੱਚ-ਅੰਤ ਵਾਲੇ ਹਾਰਡਵੇਅਰ ਦੀ ਲੋੜ ਤੋਂ ਬਿਨਾਂ ਵਸਤੂਆਂ ਨੂੰ ਜੋੜਨਾ ਜਾਂ ਹਟਾਉਣਾ। ਇਹ ਪਹੁੰਚ ਕਿਸੇ ਨੂੰ ਵੀ ਆਸਾਨੀ ਨਾਲ ਫੋਟੋਆਂ ਨੂੰ ਸੰਪਾਦਿਤ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ, ਕਿਸੇ ਤਕਨੀਕੀ ਮੁਹਾਰਤ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ।

Omni-ID: ਜਨਰੇਟਿਵ ਕਾਰਜਾਂ ਲਈ ਤਿਆਰ ਕੀਤੀ ਗਈ ਸੰਪੂਰਨ ਪਛਾਣ ਪ੍ਰਤੀਨਿਧਤਾ

ਸਾਡਾ Omni-ID ਖੋਜ ਮਾਡਲ ਵੱਖ-ਵੱਖ ਕੋਣਾਂ ਅਤੇ ਸਮੀਕਰਨਾਂ ਵਿੱਚ ਇੱਕ ਵਿਅਕਤੀ ਦੇ ਚਿਹਰੇ ਦੀ ਇੱਕ ਵਿਆਪਕ ਪ੍ਰਤੀਨਿਧਤਾ ਬਣਾਉਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਵਧੇਰੇ ਯਥਾਰਥਵਾਦੀ ਅਤੇ ਵਿਅਕਤੀਗਤ AI ਅਤੇ AR ਪੀੜ੍ਹੀਆਂ ਨੂੰ ਸਮਰੱਥ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ।

PrEditor3D: ਤੇਜ਼ ਅਤੇ ਸਟੀਕ 3D ਆਕਾਰ ਸੰਪਾਦਨ

PrEditor3D ਸਾਡੀਆਂ ਖੋਜ ਟੀਮਾਂ ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤਾ ਇੱਕ ਸਾਧਨ ਹੈ ਜੋ ਘੱਟੋ-ਘੱਟ ਇਨਪੁਟ ਨਾਲ 3D ਮਾਡਲਾਂ ਦੇ ਤੇਜ਼ ਅਤੇ ਸਟੀਕ ਸੰਪਾਦਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, 3D ਆਕਾਰਾਂ ਨੂੰ ਕਿਵੇਂ ਹੇਰਾਫੇਰੀ ਅਤੇ ਐਡਜਸਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਨੂੰ ਸਰਲ ਬਣਾ ਕੇ 3D ਸਮੱਗਰੀ ਬਣਾਉਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸੁਚਾਰੂ ਬਣਾਉਂਦਾ ਹੈ। ਐਪਲੀਕੇਸ਼ਨ ਵਿੱਚ, PrEditor3D ਕੋਲ ਐਨੀਮੇਟਰਾਂ ਅਤੇ ਲੈਂਜ਼ ਸਿਰਜਣਹਾਰਾਂ ਲਈ ਆਪਣੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣਾਂ ਨੂੰ ਕੁਸ਼ਲਤਾ ਨਾਲ ਜੀਵਨ ਵਿੱਚ ਲਿਆਉਣਾ ਆਸਾਨ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ ਹੈ, ਜਿਸ ਨਾਲ ਵਧੇਰੇ ਅਮੀਰ ਅਤੇ ਵਧੇਰੇ ਡੂੰਘੇ AR ਅਨੁਭਵ ਹੁੰਦੇ ਹਨ।

ਵਿਧੀਆਂ ਦਾ ਮੋਜ਼ੇਕ: ਮਲਟੀਮੋਡਲ ਗ੍ਰਾਫ ਲਰਨਿੰਗ ਲਈ ਇੱਕ ਵਿਆਪਕ ਬੈਂਚਮਾਰਕ 

MM-ਗ੍ਰਾਫ ਮਲਟੀ-ਮੋਡਲ ਗ੍ਰਾਫ ਲਰਨਿੰਗ ਲਈ ਪਹਿਲਾ ਬੈਂਚਮਾਰਕ ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਮੌਜੂਦਾ ਬੈਂਚਮਾਰਕਾਂ ਵਿੱਚ ਵਿਜ਼ੂਅਲ ਜਾਣਕਾਰੀ ਦੇ ਮਹੱਤਵਪੂਰਨ ਪਾੜੇ ਨੂੰ ਦੂਰ ਕਰਨ ਲਈ ਵਿਜ਼ੂਅਲ ਅਤੇ ਟੈਕਸਟ ਡੇਟਾ ਦੋਵਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਵਧੇਰੇ ਵਿਆਪਕ ਮਾਡਲ ਮੁਲਾਂਕਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ ਅਤੇ ਗ੍ਰਾਫ ਲਰਨਿੰਗ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਨਵੀਨਤਾ ਲਿਆਉਂਦਾ ਹੈ ਜੋ ਅਮੀਰ, ਅਸਲ-ਸੰਸਾਰ ਇਨਪੁਟਸ ਨੂੰ ਸਮਝ ਸਕਦੇ ਹਨ।

ਵੀਡੀਓ ਅਲਕੈਮਿਸਟ

ਇੱਕ ਟੈਕਸਟ ਪ੍ਰੋਂਪਟ ਅਤੇ ਸੰਦਰਭ ਚਿੱਤਰਾਂ ਦੇ ਇੱਕ ਸੈੱਟ ਦੇ ਨਾਲ, ਵੀਡੀਓ ਅਲਕੈਮਿਸਟ ਵਿਆਪਕ ਟਿਊਨਿੰਗ ਜਾਂ ਅਨੁਕੂਲਨ ਤੋਂ ਬਿਨਾਂ ਵੀਡੀਓ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ। ਐਪਲੀਕੇਸ਼ਨ ਵਿੱਚ ਇਹ ਕਸਟਮ ਦਿੱਖ ਅਤੇ ਬੈਕਗ੍ਰਾਉਂਡ ਦੇ ਨਾਲ ਵੀਡੀਓ ਵਿਅਕਤੀਗਤਕਰਨ ਨੂੰ ਸੁਚਾਰੂ ਬਣਾਏਗਾ, ਰਚਨਾਤਮਕਤਾ ਨੂੰ ਵਧਾਉਂਦੇ ਹੋਏ ਸਮੇਂ ਦੀ ਬਚਤ ਕਰੇਗਾ।

ਸਮੇਂ ਦਾ ਧਿਆਨ ਰੱਖੋ: ਅਸਥਾਈ ਤੌਰ 'ਤੇ ਨਿਯੰਤਰਿਤ ਮਲਟੀ-ਈਵੈਂਟ ਵੀਡੀਓ ਜਨਰੇਸ਼ਨ

ਮਾਈਂਡ ਦ ਟਾਈਮ AI-ਤਿਆਰ ਵੀਡੀਓਜ਼ ਵਿੱਚ ਸਟੀਕ ਅਸਥਾਈ ਨਿਯੰਤਰਣ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਇਹ ਸਿਰਜਣਹਾਰਾਂ ਨੂੰ ਘਟਨਾਵਾਂ ਦੇ ਕ੍ਰਮ ਅਤੇ ਸਮੇਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਦੀ ਆਗਿਆ ਦੇਵੇਗਾ। ਇਹ ਵੀਡੀਓ ਬਣਾਉਣ ਵਿੱਚ ਵਧੇਰੇ ਢਾਂਚਾਗਤ, ਇਕਸਾਰ ਕਹਾਣੀ ਸੁਣਾਉਣ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ।

ਡਿਫਿਊਜ਼ਨ ਟ੍ਰਾਂਸਫਾਰਮਰਾਂ ਨਾਲ ਵੀਡੀਓ ਮੋਸ਼ਨ ਟ੍ਰਾਂਸਫਰ

ਵੀਡੀਓ ਮੋਸ਼ਨ ਟ੍ਰਾਂਸਫਰ ਇੱਕ ਡਿਫਿਊਜ਼ਨ ਖੋਜ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਵੀਡੀਓ ਤੋਂ ਦੂਜੇ ਵਿੱਚ ਯਥਾਰਥਵਾਦੀ ਗਤੀ ਨੂੰ ਟ੍ਰਾਂਸਫਰ ਕਰਨ ਦਾ ਇੱਕ ਤਰੀਕਾ ਹੈ। ਐਪਲੀਕੇਸ਼ਨ ਵਿੱਚ ਇਹ ਮਾਡਲ ਗੁੰਝਲਦਾਰ ਸੈੱਟਅੱਪ ਦੀ ਲੋੜ ਤੋਂ ਬਿਨਾਂ, ਸੰਦਰਭ ਵੀਡੀਓਜ਼ ਤੋਂ ਗਤੀ ਨੂੰ ਟ੍ਰਾਂਸਫਰ ਕਰਕੇ ਯਥਾਰਥਵਾਦੀ ਅੰਦੋਲਨ ਦੇ ਨਾਲ ਆਸਾਨੀ ਨਾਲ ਵੀਡੀਓ ਬਣਾ ਸਕਦਾ ਹੈ।

ਵੰਡਰਲੈਂਡ: ਇੱਕ ਸਿੰਗਲ ਚਿੱਤਰ ਤੋਂ 3D ਦ੍ਰਿਸ਼ਾਂ ਨੂੰ ਨੈਵੀਗੇਟ ਕਰਨਾ

ਵੰਡਰਲੈਂਡ ਸਿਰਫ਼ ਇੱਕ ਫੋਟੋ ਤੋਂ ਵਿਸਤ੍ਰਿਤ 3D ਦ੍ਰਿਸ਼ ਬਣਾਉਂਦਾ ਹੈ, 3D ਦ੍ਰਿਸ਼ਾਂ ਦੀ ਸਿਰਜਣਾ ਨੂੰ ਸਰਲ ਬਣਾਉਂਦਾ ਹੈ, ਅਤੇ ਕਈ ਕੋਣਾਂ ਜਾਂ ਵਿਆਪਕ ਸਰੋਤਾਂ ਦੀ ਲੋੜ ਤੋਂ ਬਿਨਾਂ ਤੇਜ਼ ਅਤੇ ਵਧੇਰੇ ਕੁਸ਼ਲ ਡਿਜ਼ਾਈਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।

AC3D: ਵੀਡੀਓ ਡਿਫਿਊਜ਼ਨ ਟ੍ਰਾਂਸਫਾਰਮਰਾਂ ਵਿੱਚ 3D ਕੈਮਰਾ ਨਿਯੰਤਰਣ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਸੁਧਾਰ ਕਰਨਾ

AC3D ਵੀਡੀਓ ਜਨਰੇਸ਼ਨ ਮਾਡਲਾਂ ਦੇ ਅੰਦਰ ਕੈਮਰਾ ਨਿਯੰਤਰਣ ਵਿੱਚ ਸੁਧਾਰ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਨਿਰਵਿਘਨ, ਵਧੇਰੇ ਯਥਾਰਥਵਾਦੀ ਗਤੀ ਨੂੰ ਸਮਰੱਥ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ। ਇਹ ਸਿਰਜਣਹਾਰਾਂ ਨੂੰ ਵੀਡੀਓਜ਼ ਵਿੱਚ ਕੈਮਰੇ ਦੀ ਗਤੀ 'ਤੇ ਵਧੇਰੇ ਲਚਕਤਾ ਦਿੰਦਾ ਹੈ, ਅਤੇ ਤਿਆਰ ਕੀਤੇ ਦ੍ਰਿਸ਼ਾਂ ਦੀ ਗੁਣਵੱਤਾ ਅਤੇ ਯਥਾਰਥਵਾਦ ਵਿੱਚ ਸੁਧਾਰ ਕਰਦਾ ਹੈ।

*ਇੱਥੇ ਦਰਸਾਏ ਗਏ ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਕੰਮ ਸਿਰਫ਼ ਖੋਜ ਦੇ ਉਦੇਸ਼ਾਂ ਲਈ ਹਨ। 

ਇਹ ਪੋਸਟ ਅੱਪਡੇਟ ਹੁੰਦੀ ਰਹੇਗੀ।

ਪ੍ਰੈਸ ਬੇਨਤੀਆਂ ਲਈ, ਈਮੇਲ press@snap.com 'ਤੇ ਕਰੋ।
ਹੋਰ ਸਾਰੀਆਂ ਪੁੱਛਗਿੱਛਾਂ ਲਈ, ਕਿਰਪਾ ਕਰਕੇ ਸਾਡੀ ਸਹਾਇਤਾ ਸਾਈਟ'ਤੇ ਜਾਓ।