হাইপারনেটওয়ার্ক কি?

যখন স্টেবল ডিফিউশন, AI অ্যাপ্লিকেশন রেন্ডারিং ফটো বাস্তবসম্মত চিত্রগুলি কয়েক সপ্তাহ আগে বিশিষ্টতা অর্জন করেছিল, তখন এটির সাথে একটি নতুন বাজওয়ার্ড এসেছিল; হাইপারনেটওয়ার্ক

এখন, ইতিমধ্যেই স্থিতিশীল ডিফিউশন এবং হাইপারনেটওয়ার্কগুলি এতই একত্রিত হয়েছে যে একই অনুচ্ছেদে অন্যটি ছাড়া একটি উল্লেখ করা অসম্ভব।

“আমি ছোট ডেটাসেটগুলিতে স্থিতিশীল ডিফিউশন হাইপারনেটওয়ার্ককে প্রশিক্ষিত করেছি (না, আপনার থেকে সমসাময়িক শিল্পীদেরকে আলাদা করে নয়) এটিকে অস্পষ্ট "শৈলী" শেখানোর জন্য এটি আসলেই বাক্সের বাইরে বোঝা যায় না। এটি বর্ণনা অনুযায়ী ঠিক কাজ করে, আসলে আমি নিজে যা ভেবেছিলাম তার চেয়ে ভাল,” টুইটারে একজন ব্যবহারকারী বলেছেন।

আমি ছোট ডেটাসেটগুলিতে স্থিতিশীল ডিফিউশন হাইপারনেটওয়ার্ককে প্রশিক্ষিত করেছি (না, আপনার থেকে সমসাময়িক শিল্পীদেরকে আলাদা করে নয়) এটিকে অস্পষ্ট "শৈলী" শেখানোর জন্য এটি সত্যিই বাক্সের বাইরে বুঝতে পারে না। এটি তার বর্ণনা অনুযায়ী ঠিক কাজ করে, আসলে আমি নিজে যা ভেবেছিলাম তার চেয়ে ভাল।

— regret Maximizer (@regretmaximizer) ডিসেম্বর 20, 2022

এটি দেরীতে নেটিজেনদের আকর্ষক হাইপারনেটওয়ার্কের গুঞ্জনকে তুলে ধরে।

কম্পিউটার বিজ্ঞানে, একটি হাইপারনেটওয়ার্ক প্রযুক্তিগতভাবে একটি নেটওয়ার্ক যা একটি প্রধান নেটওয়ার্কের জন্য ওজন তৈরি করে। অন্য কথায়, এটি বিশ্বাস করা হয় যে প্রধান নেটওয়ার্কের আচরণ অন্যান্য নিউরাল নেটওয়ার্কগুলির সাথে একই কারণ এটি তাদের পছন্দসই লক্ষ্যে কিছু কাঁচা ইনপুট ম্যাপ করতে শেখে যখন হাইপারনেটওয়ার্ক ইনপুটগুলির একটি সেট নেয় যা ওজনের গঠন সম্পর্কে তথ্য ধারণ করে এবং উৎপন্ন করে। যে স্তর জন্য ওজন.

এছাড়াও পড়ুন: AI প্রযুক্তি যা জীবন-ধ্বংসকারী গভীর নকল ছবি তৈরি করে

কিভাবে হাইপারনেটওয়ার্ক ব্যবহার করা হয়?

হাইপারনেটওয়ার্ক কী তা বোঝার জন্য, একটু ব্যাক আপ করা যাক। আপনি যদি স্ট্যাবল ডিফিউশনে ছবি তৈরি করে থাকেন - ডিজিটাল আর্ট এবং ছবি তৈরির জন্য এআই টুল - আপনি এটি জুড়ে এসেছেন।

প্রশিক্ষণ সাধারণত এমন একটি প্রক্রিয়াকে বোঝায় যেখানে একটি মডেল লেবেলযুক্ত উদাহরণ থেকে সমস্ত ওজন এবং পক্ষপাতের জন্য ভাল মান শিখে (নির্ধারণ করে)

ইমেজ তৈরি করা হচ্ছে স্থিতিশীল বিস্তার এটি একটি স্বয়ংক্রিয় প্রক্রিয়া নয়, যেমনটি আমরা কভার করেছি৷ অন্যত্র. সেখানে পেতে, প্রক্রিয়া আছে.

প্রথমে একজন AI মডেলকে শিখতে হবে কিভাবে সফ্টওয়্যারের মাধ্যমে 2D বা 3D মডেল থেকে কারো একটি ছবিকে ফটোতে রেন্ডার বা সংশ্লেষিত করতে হয়। যদিও স্টেবল ডিফিউশন মডেলটি পুঙ্খানুপুঙ্খভাবে পরীক্ষা করা হয়েছিল, তবে এর কিছু প্রশিক্ষণের সীমাবদ্ধতা রয়েছে যা এমবেডিং এবং হাইপারনেটওয়ার্ক প্রশিক্ষণ পদ্ধতি দ্বারা সংশোধন করা যেতে পারে।

সর্বোত্তম ফলাফল পেতে, শেষ-ব্যবহারকারীরা আরও নির্দিষ্ট ব্যবহারের ক্ষেত্রে মেলানোর জন্য ফাইন-টিউন জেনারেশন আউটপুটগুলির জন্য অতিরিক্ত প্রশিক্ষণ বেছে নিতে পারে। একটি "এম্বেডিং" প্রশিক্ষণে ব্যবহারকারী-প্রদত্ত চিত্রগুলির একটি সংগ্রহ জড়িত থাকে এবং যখনই একটি প্রজন্মের প্রম্পটের মধ্যে এমবেডিংয়ের নাম ব্যবহার করা হয় তখন মডেলটিকে দৃশ্যত অনুরূপ চিত্র তৈরি করতে দেয়৷

এমবেডিংগুলি তেল আভিভ বিশ্ববিদ্যালয়ের গবেষকদের দ্বারা তৈরি করা "টেক্সচুয়াল ইনভার্সন" ধারণার উপর ভিত্তি করে যেখানে মডেলের পাঠ্য এনকোডার দ্বারা ব্যবহৃত নির্দিষ্ট টোকেনের ভেক্টর উপস্থাপনাগুলি নতুন ছদ্ম-শব্দগুলির সাথে যুক্ত। এম্বেডিং মূল মডেলের মধ্যে পক্ষপাত কমাতে পারে, বা ভিজ্যুয়াল শৈলী অনুকরণ করতে পারে।

অন্যদিকে, একটি "হাইপারনেটওয়ার্ক", একটি প্রাক-প্রশিক্ষিত নিউরাল নেটওয়ার্ক যা একটি বৃহত্তর নিউরাল নেটওয়ার্কের মধ্যে বিভিন্ন পয়েন্টে প্রয়োগ করা হয় এবং 2021 সালে NovelAI বিকাশকারী Kurumuz দ্বারা তৈরি কৌশলটিকে বোঝায়, যা মূলত টেক্সট-জেনারেশন ট্রান্সফরমার মডেলগুলির জন্য তৈরি করা হয়েছিল। .

নির্দিষ্ট শিল্পীদের উপর ট্রেন

হাইপারনেটওয়ার্কগুলিকে একটি নির্দিষ্ট দিকের দিকে নিয়ে যাওয়ার জন্য ফলাফলগুলিকে অন্তর্ভুক্ত করা হয়, যা স্থিতিশীল ডিফিউশন-ভিত্তিক মডেলগুলিকে নির্দিষ্ট শিল্পীদের শিল্প শৈলীর প্রতিলিপি করার অনুমতি দেয়। শিল্পী মূল মডেল দ্বারা স্বীকৃত না হলেও কাজ করতে সক্ষম হওয়ার সুবিধা নেটওয়ার্কের রয়েছে এবং তারপরও চুল এবং চোখের মতো গুরুত্বপূর্ণ গুরুত্বপূর্ণ ক্ষেত্রগুলি খুঁজে বের করে চিত্রটি প্রক্রিয়া করবে এবং তারপরে এই জায়গাগুলিকে একটি গৌণ সুপ্ত স্থানে প্যাচ করবে৷

“স্থির ডিফিউশনে এমবেডিং স্তর ইনপুটগুলিকে এনকোড করার জন্য দায়ী (উদাহরণস্বরূপ, টেক্সট প্রম্পট এবং ক্লাস লেবেল) নিম্ন-মাত্রিক ভেক্টরগুলিতে। এই ভেক্টরগুলি ব্যবহারকারীর ইনপুটের সাথে মেলে এমন চিত্রগুলি তৈরি করতে ডিফিউশন মডেলকে গাইড করতে সহায়তা করে,” বেনি চেউং তার ব্লগে ব্যাখ্যা করেছেন।

"হাইপারনেটওয়ার্ক স্তরটি সিস্টেমের নিজস্ব জ্ঞান শেখার এবং প্রতিনিধিত্ব করার একটি উপায়। এটি স্ট্যাবল ডিফিউশনকে এর আগের অভিজ্ঞতার উপর ভিত্তি করে ছবি তৈরি করতে দেয়।"

যদিও এর এমবেডিং লেয়ার টেক্সট প্রম্পট এবং ক্লাস লেবেলের মতো ইনপুটগুলিকে এনকোড করে লো-ডাইমেনশনাল ভেক্টরে ডিফিউশন মডেলকে নির্দেশিত করতে সাহায্য করে যা ব্যবহারকারীর ইনপুটের সাথে মেলে, হাইপারনেটওয়ার্ক লেয়ারটি সিস্টেমের নিজের শেখার এবং প্রতিনিধিত্ব করার কিছুটা উপায়। জ্ঞান.

অন্য কথায়, এটি পূর্ববর্তী অভিজ্ঞতার উপর ভিত্তি করে চিত্রগুলি তৈরি করতে স্থিতিশীল বিস্তারের অনুমতি দেয়। স্থিতিশীল ডিফিউশনে, একটি হাইপারনেটওয়ার্ক হল একটি অতিরিক্ত স্তর যা মডেলের মাধ্যমে একটি চিত্র রেন্ডার করার পরে প্রক্রিয়া করা হয়। হাইপারনেটওয়ার্ক মডেল থেকে সমস্ত ফলাফলকে আপনার প্রশিক্ষণ ডেটার দিকে এমনভাবে তির্যক করে দেয় যে মডেলটিকে মূলত "পরিবর্তন" করে।

স্মৃতি ধারণ

এর অর্থ হল হাইপারনেটওয়ার্ক সিস্টেম পূর্বে তৈরি করা চিত্রগুলির স্মৃতি ধরে রাখার জন্য দায়ী। যখন একজন ব্যবহারকারী একটি নতুন ইনপুট দেয়, তখন সিস্টেমটি আরও সঠিক চিত্র তৈরি করতে তার আগের বিদ্যমান জ্ঞান ব্যবহার করতে পারে। যেমন, হাইপারনেটওয়ার্কগুলি তাই সিস্টেমকে দ্রুত শিখতে এবং উন্নতি করার অনুমতি দেয়।

এটির সুবিধা রয়েছে যে প্রতিটি ছবিতে এমন কিছু রয়েছে যা আপনার প্রশিক্ষণের ডেটা বর্ণনা করে, আপনার প্রশিক্ষণ ডেটার মতো দেখাবে।

“আমরা দেখেছি যে স্ব-প্রতিকৃতি তৈরির জন্য হাইপারনেটওয়ার্কের সাথে প্রশিক্ষণের চেয়ে এমবেডিংয়ের প্রশিক্ষণ সহজ। আমাদের প্রশিক্ষণ ভাল ফলাফল দিয়েছে যা আমরা সন্তুষ্ট,” চেউং লিখেছেন।

আপনি কোন ফাইনটিউনিং কৌশল ব্যবহার করছেন? Hypernetworks বা টেক্সচুয়াল ইনভার্সন মত কিছু?

— ম্যাথিয়াস মিশেল (@m91michel) ডিসেম্বর 21, 2022

কিন্তু এটি এমন একটি প্রযুক্তি যা নিয়ে অনেকেই এখনও ঝামেলা করছে। হাইপারনেটওয়ার্কস এবং এআই-জেনারেটর সবেমাত্র ব্যবহারকারীদের চাহিদা এবং চাহিদা মেটাতে শুরু করেছে। ব্যবহারকারীর ইন্টারফেস এবং প্রম্পটিং কৌশলগুলি নিঃসন্দেহে দ্রুত অগ্রসর হবে, এবং সম্ভবত ধরা পড়বে গুগল অফ-গার্ড, মেটানিউজ হিসাবে সম্প্রতি আবৃত.

এই পোস্টটি শেয়ার কর