ਫ੍ਰੇਮ ਚੈਕਰ ਵਜੋਂ ਇੱਕ ਵਿਜ਼ਨ ਮਾਡਲ: ਇਸਨੇ ਕੀ ਫੜਿਆ ਅਤੇ ਕੀ ਛੱਡ ਦਿੱਤਾ
ਵੀਡੀਓ
ਇਮੇਜ ਮਾਡਲ ਬੋਰਡਾਂ 'ਤੇ ਨਕਲੀ ਸ਼ਬਦ ਲਿਖਦੇ ਹਨ, ਵਾਟਰਮਾਰਕ ਜੋੜਦੇ ਹਨ ਅਤੇ ਲੋਕਾਂ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਉਂਗਲਾਂ ਦਿੰਦੇ ਹਨ। ਰੈਂਡਰ ਤੋਂ ਬਾਅਦ ਮਿਲਿਆ ਇੱਕ ਖ਼ਰਾਬ ਫ੍ਰੇਮ ਦੁਬਾਰਾ ਰੈਂਡਰ ਕਰਵਾਉਣਾ ਪੈਂਦਾ ਹੈ; ਪਹਿਲਾਂ ਮਿਲਿਆ, ਇੱਕ ਦੁਬਾਰਾ ਡਰਾਫਟ ਕਰਨਾ ਪੈਂਦਾ ਹੈ। ਇਸ ਲਈ, Studio ਵੱਲੋਂ ਖਿੱਚੀ ਗਈ ਹਰ ਤਸਵੀਰ ਨੂੰ ਪਹਿਲਾਂ ਇੱਕ ਵਿਜ਼ਨ ਮਾਡਲ ਨੂੰ ਦਿਖਾਇਆ ਜਾਂਦਾ ਹੈ।
ਚੈਕ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ
ਹਰ ਫ੍ਰੇਮ ਨੂੰ ਇਸਦੀ ਲੰਬੀ ਭੁਜਾ 'ਤੇ ਵੱਧ ਤੋਂ ਵੱਧ 1,024 ਪਿਕਸਲ ਵਾਲੇ JPEG ਵਿੱਚ ਸਕੇਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਇੱਕ ਨਿਰਦੇਸ਼ ਨਾਲ ਭੇਜਿਆ ਜਾਂਦਾ ਹੈ: ਸਿਰਫ਼ JSON ਵਿੱਚ ਜਵਾਬ ਦਿਓ, ok true ਜਾਂ false ਨਾਲ ਸਮੱਸਿਆਵਾਂ ਦੀ ਸੂਚੀ, ਅਤੇ ਕਿਸੇ ਵੀ ਲਿਖੇ ਹੋਏ ਟੈਕਸਟ, ਅੱਖਰਾਂ, ਅੰਕਾਂ, ਵਾਟਰਮਾਰਕ ਜਾਂ ਲੋਗੋ, ਜਾਂ ਵਿਗੜੇ ਹੋਏ ਹੱਥਾਂ, ਚਿਹਰਿਆਂ ਜਾਂ ਸਰੀਰਾਂ, ਜਾਂ ਟੁੱਟੀ ਹੋਈ ਤਸਵੀਰ ਲਈ false ਦੱਸੋ। ਇੱਕ ਰੱਦ ਕੀਤਾ ਫ੍ਰੇਮ ਇੱਕ ਨਵੇਂ seed ਨਾਲ ਦੁਬਾਰਾ ਖਿੱਚਿਆ ਜਾਂਦਾ ਹੈ, ਤੁਹਾਡੇ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤੀ ਸੀਮਾ ਤੱਕ। ਜੇਕਰ ਕੋਈ ਡਰਾਫਟ ਪਾਸ ਨਹੀਂ ਹੁੰਦਾ, ਤਾਂ ਕੰਮ ਟੁੱਟੇ ਫ੍ਰੇਮ ਨੂੰ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ ਦੀ ਬਜਾਏ ਕਾਰਨਾਂ ਦੇ ਨਾਲ ਰੁਕ ਜਾਂਦਾ ਹੈ। ਇੱਕ ਫਲੈਟ ਰੰਗ ਵਾਲਾ ਫ੍ਰੇਮ, ਜਾਂ ਕਾਲਾ ਵਰਗ ਜੋ ਕੁਝ ਸੁਰੱਖਿਆ ਫਿਲਟਰ ਵਾਪਸ ਕਰਦੇ ਹਨ, ਮਾਡਲ ਤੋਂ ਪੁੱਛਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਰੱਦ ਕਰ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ।
ਟੈਸਟ
ਅਸੀਂ ਉਸੇ ਲੋਕਲ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜੋ ਸਾਡੇ ਸਕ੍ਰਿਪਟ ਲਿਖਦਾ ਹੈ, ਜੋ ਸਾਡੀ ਆਪਣੀ ਮਸ਼ੀਨ 'ਤੇ vLLM ਦੁਆਰਾ ਚਲਾਇਆ ਗਿਆ ਸੀ, ਅਤੇ ਇਸਨੂੰ ਚਾਰ ਤਸਵੀਰਾਂ ਦਿੱਤੀਆਂ ਜੋ ਸਾਡੇ ਇਮੇਜ ਮਾਡਲ ਨੇ ਪਹਿਲਾਂ ਬਣਾਈਆਂ ਸਨ: ਲੱਕੜ ਦੇ ਮੇਜ਼ 'ਤੇ ਕੌਫੀ ਦਾ ਕੱਪ, ਚਿੱਟੀ ਪਿਛੋਕੜ 'ਤੇ ਇੱਕ ਸੇਬ, ਇੱਕ ਕਿਤਾਬਾਂ ਦੀ ਤਖ਼ਤੀ ਦੇ ਸਾਹਮਣੇ ਫੋਨ 'ਤੇ ਗੱਲ ਕਰਦਾ ਇੱਕ ਵਿਅਕਤੀ, ਅਤੇ ਕੌਫੀ ਵਾਲੀ ਤਸਵੀਰ ਜਿਸ 'ਤੇ "SALE 50% OFF" ਲਿਖਿਆ ਹੋਇਆ ਸੀ।
- ਤਿੰਨ ਸਾਫ਼ ਤਸਵੀਰਾਂ ਪਾਸ ਹੋ ਗਈਆਂ, ਜਿਸ ਵਿੱਚ ਕਿਤਾਬਾਂ ਦੀ ਤਖ਼ਤੀ ਵੀ ਸ਼ਾਮਲ ਸੀ, ਜਿਸਦੀਆਂ ਕਿਤਾਬਾਂ ਦੀਆਂ ਪਿੱਠਾਂ ਤੋਂ ਅਸੀਂ ਝੂਠੇ ਅਲਾਰਮ ਦੀ ਉਮੀਦ ਕਰ ਰਹੇ ਸੀ।
- ਨਾਰੇ ਵਾਲੀ ਤਸਵੀਰ ਰੱਦ ਕਰ ਦਿੱਤੀ ਗਈ, ਜਿਸਦਾ ਕਾਰਨ "ਲਿਖਿਆ ਹੋਇਆ ਟੈਕਸਟ" ਸੀ।
- ਪੂਰੇ ਲੂਪ ਵਿੱਚ, ਨਾਰੇ ਵਾਲਾ ਫ੍ਰੇਮ ਪਹਿਲਾਂ ਆਇਆ, ਰੱਦ ਕੀਤਾ ਗਿਆ, ਅਤੇ ਦੁਬਾਰਾ ਡਰਾਫਟ ਪਾਸ ਹੋ ਗਿਆ: ਉਸ ਸੀਨ ਲਈ ਦੋ ਡਰਾਫਟ।
ਹਰ ਚੈਕ ਨੂੰ 3 ਤੋਂ 14 ਸਕਿੰਟ ਲੱਗੇ, ਇੱਕ ਅਜਿਹੇ ਮਾਡਲ 'ਤੇ ਜੋ ਉਸ ਸਮੇਂ ਹੋਰ ਕੰਮ ਵਿੱਚ ਵਿਅਸਤ ਸੀ।
ਇਹ ਕੀ ਨਹੀਂ ਕਰਦਾ
ਇੱਕ ਵਿਜ਼ਨ ਮਾਡਲ ਅੱਖਾਂ ਦਾ ਦੂਜਾ ਜੋੜਾ ਹੈ, ਗਾਰੰਟੀ ਨਹੀਂ। ਇਹ ਇੱਕ ਛੋਟੀ ਖ਼ਾਮੀ ਛੱਡ ਸਕਦਾ ਹੈ, ਅਤੇ ਇੱਕ ਸਖ਼ਤ ਨਿਰਦੇਸ਼ ਕਈ ਵਾਰ ਉਹ ਤਸਵੀਰ ਰੱਦ ਕਰ ਦੇਵੇਗਾ ਜਿਸਨੂੰ ਤੁਸੀਂ ਰੱਖਣਾ ਚਾਹੁੰਦੇ ਸੀ, ਜਿਸ ਨਾਲ ਇੱਕ ਖ਼ਰਾਬ ਵੀਡੀਓ ਦੀ ਬਜਾਏ ਇੱਕ ਦੁਬਾਰਾ ਡਰਾਫਟ ਲੱਗਦਾ ਹੈ। ਚਾਰ ਤਸਵੀਰਾਂ ਵਾਇਰਿੰਗ ਦੀ ਜਾਂਚ ਹਨ, ਅੰਕੜਾ ਨਹੀਂ। ਆਪਣੀਆਂ ਪਹਿਲੀਆਂ ਵੀਡੀਓਆਂ ਖੁਦ ਦੇਖੋ, ਅਤੇ ਜੋ ਤੁਸੀਂ ਦੇਖਦੇ ਹੋ ਉਸ ਦੇ ਨਾਲ ਦੁਬਾਰਾ ਡਰਾਫਟ ਦੀ ਸੀਮਾ ਨੂੰ ਕਸੋ ਜਾਂ ਢਿੱਲਾ ਕਰੋ।
Studio ਇਸ ਚੈਕ ਨੂੰ ਉਸ ਕਿਸੇ ਵੀ ਮਾਡਲ ਨਾਲ ਚਲਾਉਂਦਾ ਹੈ ਜੋ ਤੁਹਾਡਾ ਸਰਵਰ ਇਮੇਜ ਇਨਪੁਟ ਨਾਲ ਪੇਸ਼ ਕਰਦਾ ਹੈ; ਵਿਜ਼ਨ ਸੈਟਿੰਗ ਨੂੰ ਖਾਲੀ ਛੱਡੋ ਅਤੇ ਚੈਕ ਬੰਦ ਹੋ ਜਾਵੇਗੀ।