Snap ஆராய்ச்சி 2025

Snap ஆராய்ச்சி குழு AR & ஜெனரேட்டிவ் AI, பரிந்துரை அமைப்புகள் மற்றும் தனிப்பயனாக்கப்பட்ட கிரியேட்டிவ் கருவிகளில் புதுமைகளை வழிநடத்துகிறது.

2025-ஆம் ஆண்டில், பல முன்னணி தொழில் மாநாடுகள் மற்றும் நிகழ்வுகளில் எங்கள் பணிகளை நாங்கள் காட்சிப்படுத்துகிறோம்.

கடந்த நிகழ்வுகள்:

SIGGRAPH 2025 -- வான்கூவர், கனடா ஆகஸ்ட் 10 முதல் ஆகஸ்ட் 14 வரை

நெஸ்டட் அட்டென்ஷன்: கான்செப்ட் தனிப்பயனாக்கத்திற்கான செமான்டிக்-அவேர் அட்டென்ஷன் மதிப்புகள்

நெஸ்டட் அட்டென்ஷன் என்பது ஒரு புதிய முறையாகும், இது பட உருவாக்க மாடல்களில் அடையாளப் பாதுகாப்பை மேம்படுத்த உதவுகிறது, வெவ்வேறு ஸ்டைல்கள் மற்றும் காட்சிகளில் குறிப்பிட்ட விஷயங்களின் மிகவும் சீரான மற்றும் துல்லியமான படங்களை உருவாக்குகிறது. செமான்டிக்-அவேர் அட்டென்ஷன் கட்டமைப்பை அறிமுகப்படுத்துவதன் மூலம், இந்த மாடல் பல்வேறு ஸ்டைல்கள் மற்றும் காட்சிகளில் அடையாளத்தை சிறப்பாகப் பாதுகாக்கிறது. இது தனிப்பயனாக்கப்பட்ட படங்களை உருவாக்குவதை சாத்தியமாக்குகிறது, ஒரு நபர் மற்றும் அவர்களின் செல்லப்பிராணி போன்ற வெவ்வேறு விஷயங்களை ஒரே படத்தில் இணைக்கவும் உதவுகிறது.

இன்ஸ்டன்ட்ரெஸ்டோர்: ஷேர்டு-இமேஜ் அட்டென்ஷனுடன் கூடிய ஒற்றை-படி தனிப்பயனாக்கப்பட்ட முக மறுசீரமைப்பு

இந்தக் கட்டுரை இன்ஸ்டன்ட்ரெஸ்டோரை அறிமுகப்படுத்துகிறது, இது ஒரு பரவல் மாடல் மூலம் ஒரே ஒரு ஃபார்வர்டு பாஸைப் பயன்படுத்தி சிதைந்த முகப் படங்களை மீட்டெடுக்கும் ஒரு முறையாகும். இது அடையாள-குறிப்பிட்ட அம்சங்களைத் தக்கவைத்துக்கொள்வதை நோக்கமாகக் கொண்டுள்ளது, போர்ட்ரெய்ட் புகைப்பட மேம்பாட்டிற்கான திறமையான அடையாள-விழிப்புணர்வு மறுசீரமைப்பை ஆதரிக்கிறது.

ஒற்றை வீடியோக்களிலிருந்து டைனமிக் கான்செப்ட்களைத் தனிப்பயனாக்குதல்

செட்-அண்ட்-சீக்வென்ஸ் என்பது வீடியோ உருவாக்க மாடல்களுக்கான ஒரு புதிய கட்டமைப்பாகும், இது "டைனமிக் கான்செப்ட்களுடன்" வீடியோக்களை உருவாக்கும் சவாலை எதிர்கொள்கிறது - அதாவது கடல் அலைகள் அல்லது மின்னும் நெருப்பு போன்றவை, அவற்றின் தோற்றத்தால் மட்டுமல்லாமல், காலப்போக்கில் அவற்றின் தனித்துவமான இயக்க முறைகளாலும் வரையறுக்கப்பட்டவை. டைனமிக் விஷயங்கள் காலப்போக்கில் எவ்வாறு நடந்துகொள்கின்றன என்பதைக் கற்றுக்கொள்வதன் மூலம் செட்-அண்ட்-சீக்வென்ஸ் யதார்த்தமான வீடியோ தனிப்பயனாக்கத்தை செயல்படுத்துகிறது, இது சீரான இயக்கம், காட்சி அமைப்பு மற்றும் கிராஸ்-சீன் கலவை ஆகியவற்றை அனுமதிக்கிறது.

டியூயட்ஜென்: படிநிலை மாஸ்க்டு மாடலிங் வழியாக இசையால் இயக்கப்படும் இருவர் நடன உருவாக்கம்

டியூயட்ஜென் என்பது இசையிலிருந்து நேரடியாக ஒத்திசைக்கப்பட்ட இருவர் நடன அசைவுகளை உருவாக்குவதற்கான ஒரு கட்டமைப்பாகும். இது நடனக் கூட்டாளிகளுக்கு இடையே ஒருங்கிணைந்த இயக்கம் மற்றும் உடல் ரீதியான தொடர்புகள் போன்ற ஊடாடும் நடன அமைப்பை மாடலிங் செய்யும் சவாலை எதிர்கொள்கிறது. இந்த அமைப்பு அனிமேஷன், விர்ச்சுவல் அவதாரங்கள் மற்றும் டிஜிட்டல் செயல்திறன் ஆகியவற்றில் பயன்பாடுகளுக்கு யதார்த்தமான டூயட் நடன உருவாக்கத்தை செயல்படுத்துகிறது.

பி டிசைசிவ்: பல-பொருள் உருவாக்கத்திற்கான இரைச்சலால் தூண்டப்பட்ட தளவமைப்புகள்

எங்கள் பி டிசைசிவ் பணி, காட்சிப் பிழைகள் அல்லது எதிர்பாராத கலவை இல்லாமல் சிக்கலான படங்களில் பல தனித்துவமான விஷயங்களை துல்லியமாக உருவாக்கும் சவாலைச் சமாளிக்கிறது. பி டிசைசிவ் ஒரு சிறிய நரம்பியல் நெட்வொர்க்கை அறிமுகப்படுத்துகிறது, இது டெனாய்சிங்கின் போது இரைச்சலால் தூண்டப்பட்ட இடஞ்சார்ந்த தளவமைப்பைக் கணித்துச் செம்மைப்படுத்துகிறது, பட உருவாக்கத்தின் ஆரம்ப கட்டங்களில் இருந்து ஒவ்வொரு விஷயமும் எங்கு தோன்ற வேண்டும் என்பதை வழிநடத்துகிறது. இது பல குறிப்பிட்ட விஷயங்களுடன் மிகவும் விரிவான படங்களை உருவாக்க அனுமதிக்கிறது, அவற்றுக்கிடையே தெளிவான எல்லைகள் மற்றும் இயற்கையான அமைப்புகளை உறுதி செய்கிறது.

KDD 2025 -- டொராண்டோ, ஒன்டாரியோ, கனடா ஆகஸ்ட் 3 முதல் ஆகஸ்ட் 7 வரை

GiGL: Snapchat-இல் பெரிய அளவிலான கிராஃப் நியூரல் நெட்வொர்க்குகள்

GiGL என்பது பெரிய அளவிலான வரைபடங்களில் கிராஃப் நியூரல் நெட்வொர்க்குகளை (GNNs) பயிற்றுவிப்பதற்கும் இயக்குவதற்கும் ஒரு ஓப்பன் சோர்ஸ் நூலகமாகும், இது நூற்றுக்கணக்கான மில்லியன் கணுக்கள் மற்றும் பில்லியன் கணக்கான விளிம்புகளை ஆதரிக்கிறது. பயனர் வளர்ச்சி, உள்ளடக்க தரவரிசை மற்றும் விளம்பரம் உள்ளிட்ட முக்கிய இயந்திர கற்றல் பயன்பாடுகளில் Snap-இல் GIGL பயன்படுத்தப்படுகிறது.

கூட்டு வடிகட்டுதலில் வெயிட் டிகேயின் பங்கு: ஒரு பிரபல்ய கண்ணோட்டம்

இந்தக் கட்டுரை PRISM-ஐ (எம்படிங் மேக்னிட்யூட்களுக்கான பாப்புலாரிட்டி-அவேர் இனிஷியலைசேஷன் ஸ்ட்ரேடஜி) அறிமுகப்படுத்துகிறது. PRISM, பரிந்துரை மாடல் பயிற்சியில் ஒரு பொதுவான ஆனால் விலையுயர்ந்த நுட்பமான எம்படிங் வெயிட் டிகேயின் பயன்பாட்டை நீக்குகிறது, அதற்கு பதிலாக பயிற்சியின் தொடக்கத்தில் ஒரு ஒற்றை லைட் கம்ப்யூட்டேஷனுடன் அதை மாற்றுகிறது. PRISM வேகமானது, பயன்படுத்த எளிதானது, மேலும் திறமையான பரிந்துரை அமைப்புகளுக்கு வழிவகுக்கிறது.

கிராஸ்-டொமைன் சீக்வென்ஷியல் பரிந்துரைக்கான சுய-கவனத்தை மறுபரிசீலனை செய்தல்

இந்த வேலை AutoCDSR-ஐ அறிமுகப்படுத்துகிறது, இது இரைச்சல் அல்லது பொருத்தமற்ற சிக்னல்களைக் குறைக்கும் அதே வேளையில் பயனுள்ள அறிவுப் பகிர்வை ஊக்குவிப்பதன் மூலம், வெவ்வேறு தொடர்பு களங்களில் பயனர் நடத்தைகளை இத்தகைய அமைப்புகள் எவ்வாறு கணிக்கின்றன என்பதை மேம்படுத்துவதற்கான ஒரு முறையாகும். AutoCDSR பரிந்துரை அமைப்புகளில் தனிப்பயனாக்கத்தின் துல்லியம் மற்றும் வலிமையை மேம்படுத்துகிறது.

SnapGen: மொபைல் சாதனங்களுக்கான உயர்-தெளிவு டெக்ஸ்ட்-டு-இமேஜ் மாடல்களைக் கையாளுதல் திறமையான கட்டமைப்புகள் மற்றும் பயிற்சியுடன் மொபைல் சாதனங்களுக்கான Snap AI T2I மாடல்

SnapGen என்பது மொபைல் சாதனங்களில் நேரடியாக இயங்குவதற்காக வடிவமைக்கப்பட்ட ஒரு உயர்-செயல்திறன் டெக்ஸ்ட்-டு-இமேஜ் ஆராய்ச்சி மாடல் ஆகும், இது இரண்டு வினாடிகளுக்குள் உயர்தர படங்களை உருவாக்குகிறது. இது சாதனத்தில் பட உருவாக்கத்திற்குத் தேவைப்படும் கணினி மற்றும் நினைவகத்தை வெகுவாகக் குறைக்கும் திறனைக் கொண்டுள்ளது.

SnapGen-V: ஒரு மொபைல் சாதனத்தில் ஐந்து வினாடிகளுக்குள் ஐந்து வினாடி வீடியோவை உருவாக்குதல்

SnapGen-V எங்கள் SnapGen மாடலை விரிவுபடுத்துகிறது, இது மொபைல் சாதனங்களில் நேரடியாக ஐந்து வினாடிகளில் ஐந்து வினாடி வீடியோக்களை உருவாக்குகிறது. இது டெக்ஸ்ட்-டு-இமேஜ் மாடலிங்கில் எங்களின் முன்னேற்றங்களை அடிப்படையாகக் கொண்டு, வேகமான, சாதனத்தில் வீடியோ உருவாக்கத்தை எட்டக்கூடியதாக ஆக்குகிறது.

4Real-Video: பொதுமைப்படுத்தக்கூடிய புகைப்பட-யதார்த்தமான 4D வீடியோ பரவலைக் கற்றல்

4Real-Video ஆராய்ச்சி மாடல், பல கோணங்களில் இருந்து பார்க்கக்கூடிய, செழுமையான விவரம் மற்றும் இயற்கையான இயக்கத்துடன் யதார்த்தமான 4D வீடியோக்களை உருவாக்குகிறது. இந்த தொழில்நுட்பம் அதிவேக VR மற்றும் அடுத்த தலைமுறை கதைசொல்லல் அனுபவங்களில் சாத்தியமான பயன்பாடுகளைக் கொண்டுள்ளது.

ஸ்டேபிள் ஃப்ளோ: பயிற்சி இல்லாத பட எடிட்டிங்கிற்கான முக்கிய லேயர்கள்

எங்கள் ஸ்டேபிள் ஃப்ளோ ஆராய்ச்சி மாடல், சிக்கலான பயிற்சி அல்லது உயர்நிலை வன்பொருள் தேவைப்படாமல் பொருட்களைச் சேர்ப்பது அல்லது அகற்றுவது போன்ற சக்திவாய்ந்த பட எடிட்டிங்கை செயல்படுத்துகிறது. இந்த அணுகுமுறை தொழில்நுட்ப நிபுணத்துவம் தேவையில்லாமல், யார் வேண்டுமானாலும் புகைப்படங்களை எளிதாக எடிட் செய்ய அனுமதிக்கிறது.

ஆம்னி-ஐடி: ஜெனரேட்டிவ் பணிகளுக்காக வடிவமைக்கப்பட்ட முழுமையான அடையாளப் பிரதிநிதித்துவம்

எங்கள் ஆம்னி-ஐடி ஆராய்ச்சி மாடல், ஒரு நபரின் முகத்தின் பல்வேறு கோணங்கள் மற்றும் வெளிப்பாடுகளில் ஒரு விரிவான பிரதிநிதித்துவத்தை உருவாக்குகிறது, இது மிகவும் யதார்த்தமான மற்றும் தனிப்பயனாக்கப்பட்ட AI மற்றும் AR தலைமுறைகளை செயல்படுத்துகிறது.

PrEditor3D: வேகமான மற்றும் துல்லியமான 3D வடிவ எடிட்டிங்

PrEditor3D என்பது எங்கள் ஆராய்ச்சிக் குழுக்களால் உருவாக்கப்பட்ட ஒரு கருவியாகும், இது குறைந்தபட்ச உள்ளீட்டுடன் 3D மாடல்களை விரைவாகவும் துல்லியமாகவும் எடிட் செய்ய அனுமதிக்கிறது, 3D வடிவங்கள் எவ்வாறு கையாளப்படுகின்றன மற்றும் சரிசெய்யப்படுகின்றன என்பதை எளிதாக்குவதன் மூலம் 3D உள்ளடக்கத்தை உருவாக்கும் செயல்முறையை நெறிப்படுத்துகிறது. பயன்பாட்டில், PrEditor3D அனிமேட்டர்கள் மற்றும் லென்ஸஸ் உருவாக்குநர்கள் தங்கள் பார்வைகளை திறமையாக உயிர்ப்பிக்க எளிதாக்கும் திறனைக் கொண்டுள்ளது, இது செழுமையான மற்றும் அதிவேகமான AR அனுபவங்களுக்கு வழிவகுக்கிறது.

மொசைக் ஆஃப் மொடாலிட்டீஸ்: மல்டிமாடல் கிராஃப் கற்றலுக்கான ஒரு விரிவான பெஞ்ச்மார்க் 

MM-கிராஃப், மல்டி-மாடல் கிராஃப் கற்றலுக்கான முதல் பெஞ்ச்மார்க்கை அறிமுகப்படுத்துகிறது, தற்போதைய பெஞ்ச்மார்க்குகளில் உள்ள காட்சித் தகவல்களின் குறிப்பிடத்தக்க இடைவெளியைச் சமாளிக்க காட்சி மற்றும் உரைத் தரவு இரண்டையும் இணைக்கிறது. இது மிகவும் விரிவான மாடல் மதிப்பீட்டை அனுமதிக்கிறது மற்றும் செழுமையான, நிஜ-உலக உள்ளீடுகளைப் புரிந்து கொள்ளக்கூடிய கிராஃப் கற்றல் அமைப்புகளில் புதுமைகளைத் தூண்டுகிறது.

வீடியோ அல்கெமிஸ்ட்

ஒரு டெக்ஸ்ட் ப்ராம்ப்ட் மற்றும் ஒரு தொகுதி குறிப்புப் படங்களுடன், வீடியோ அல்கெமிஸ்ட் விரிவான ட்யூனிங் அல்லது ஆப்டிமைசேஷன் இல்லாமல் வீடியோக்களை உருவாக்கும் திறனை செயல்படுத்துகிறது. பயன்பாட்டில் இது தனிப்பயன் தோற்றங்கள் மற்றும் பின்னணிகளுடன் வீடியோ தனிப்பயனாக்கத்தை நெறிப்படுத்தும், நேரத்தை மிச்சப்படுத்தும் அதே வேளையில் படைப்பாற்றலை மேம்படுத்தும்.

மைன்ட் தி டைம்: தற்காலிகமாகக் கட்டுப்படுத்தப்பட்ட பல-நிகழ்வு வீடியோ உருவாக்கம்

மைன்ட் தி டைம் AI-உருவாக்கிய வீடியோக்களில் துல்லியமான தற்காலிகக் கட்டுப்பாட்டை அறிமுகப்படுத்துகிறது. இது படைப்பாளிகள் நிகழ்வுகளின் வரிசை மற்றும் நேரத்தை ஆணையிட அனுமதிக்கும். இது வீடியோ உருவாக்கத்தில் மிகவும் கட்டமைக்கப்பட்ட, ஒத்திசைவான கதைசொல்லலை செயல்படுத்துகிறது.

டிஃப்யூஷன் டிரான்ஸ்ஃபார்மர்களுடன் வீடியோ மோஷன் டிரான்ஸ்ஃபர்

வீடியோ மோஷன் டிரான்ஸ்ஃபர் என்பது ஒரு டிஃப்யூஷன் ஆராய்ச்சி மாடலைப் பயன்படுத்தி ஒரு வீடியோவிலிருந்து மற்றொரு வீடியோவிற்கு யதார்த்தமான இயக்கத்தை மாற்றுவதற்கான ஒரு முறையாகும். பயன்பாட்டில் இந்த மாடல் சிக்கலான அமைப்புகள் தேவையில்லாமல், குறிப்பு வீடியோக்களிலிருந்து இயக்கத்தை மாற்றுவதன் மூலம் யதார்த்தமான இயக்கத்துடன் வீடியோக்களை எளிதாக உருவாக்க முடியும்.

வொண்டர்லேண்ட்: ஒரு படத்திலிருந்து 3D காட்சிகளை வழிநடத்துதல்

வொண்டர்லேண்ட் ஒரே ஒரு புகைப்படத்திலிருந்து விரிவான 3D காட்சிகளை உருவாக்குகிறது, 3D காட்சிகளை உருவாக்குவதை எளிதாக்குகிறது, மேலும் பல கோணங்கள் அல்லது விரிவான வளங்கள் தேவையில்லாமல் வேகமான மற்றும் திறமையான வடிவமைப்பை அனுமதிக்கிறது.

AC3D: வீடியோ டிஃப்யூஷன் டிரான்ஸ்ஃபார்மர்களில் 3D கேமரா கட்டுப்பாட்டை பகுப்பாய்வு செய்தல் மற்றும் மேம்படுத்துதல்

AC3D வீடியோ உருவாக்க மாடல்களில் கேமரா கட்டுப்பாட்டை மேம்படுத்துகிறது, மென்மையான, மிகவும் யதார்த்தமான இயக்கத்தை செயல்படுத்துகிறது. இது படைப்பாளிகளுக்கு வீடியோக்களில் கேமரா அசைவுகளுக்கு அதிக நெகிழ்வுத்தன்மையைக் கொடுக்கிறது, மேலும் உருவாக்கப்பட்ட காட்சிகளின் தரம் மற்றும் யதார்த்தத்தை மேம்படுத்துகிறது.

*இங்கு கோடிட்டுக் காட்டப்பட்டுள்ள அனைத்து மாடல்களும் வேலைகளும் ஆராய்ச்சி நோக்கங்களுக்காக மட்டுமே. 

இந்த இடுகை தொடர்ந்து புதுப்பிக்கப்படும்.