বিনামূল্যে মানব-পর্যালোচনা প্রোটোকল
ছবি, ভিডিও এবং GIF-এর জন্য ফেস সোয়াপ গুণমান স্কোরকার্ড
সাতটি দৃশ্যমান মানদণ্ড, তিনটি গুরুত্বপূর্ণ প্রকাশনার গেট এবং একটি স্বচ্ছ ওজনযুক্ত সূত্র সহ একটি জেনারেটেড আউটপুট রেট করুন। তারপর নয়টি মেট্রিক পরিবার এবং তিনটি প্রকাশিত ভিডিও বেঞ্চমার্ক প্রোটোকলে পর্যালোচনাটি ম্যাপ করুন বেমানান স্কোরকে সমতুল্য না করে।
সরাসরি উত্তর
একটি ফেস সোয়াপ গুণমান স্কোরের জন্য দৃশ্যমান মানদণ্ড এবং একটি প্রমাণ সীমানা প্রয়োজন
এই স্কোরকার্ড একটি নির্দিষ্ট আউটপুটের একটি মানব পর্যালোচনা গঠন করে। এটি বায়োমেট্রিকভাবে একটি মুখ পরিদর্শন করে না, একটি অদেখা ফলাফলের পূর্বাভাস দেয় না বা একটি সম্পূর্ণ মডেল বা প্রোভাইডার সম্পর্কে একটি অনুকূল নমুনাকে দাবিতে পরিণত করে না।
ইন্টারেক্টিভ মূল্যায়ন
একই মান দিয়ে একটি আউটপুট স্কোর করুন
মিডিয়ার ধরন চয়ন করুন, গেটগুলি সম্পূর্ণ করুন, প্রতিটি প্রযোজ্য মানদণ্ড রেট করুন এবং অন্য কোনো পর্যালোচকের খুঁজে পাওয়া উচিত এমন কিছুর জন্য একটি সংক্ষিপ্ত প্রমাণ নোট রাখুন।
রেটিং অ্যাঙ্কর
প্রত্যেক মানদণ্ডের জন্য একই 0-থেকে-4 অর্থ ব্যবহার করুন
স্কেলটি সেই মানদণ্ডের জন্য নমুনা উপাদানে পর্যবেক্ষিত শক্তিশালী ত্রুটি বর্ণনা করে। এটি একটি আত্মবিশ্বাস স্কোর, সম্ভাবনা বা বায়োমেট্রিক পরিমাপ নয়।
| রেটিং | অ্যাঙ্কর | সংজ্ঞা |
|---|---|---|
| 0 | অব্যবহারযোগ্য | একটি ব্যর্থতা বা গুরুতর ত্রুটি উদ্দেশ্যপ্রণোদিত ব্যবহারকে বাধা দেয়। |
| 1 | প্রধান ত্রুটি | একটি স্পষ্টভাবে দৃশ্যমান ত্রুটি স্বাভাবিক দেখাকে প্রাধান্য দেয়। |
| 2 | লক্ষণীয় ত্রুটি | একটি ত্রুটি লক্ষ্য করা সহজ থাকে এবং লক্ষ্যযুক্ত সংশোধন প্রয়োজন। |
| 3 | গৌণ ত্রুটি | একটি ছোট ত্রুটি পর্যালোচনায় দৃশ্যমান কিন্তু স্বাভাবিক দেখাকে প্রাধান্য দেয় না। |
| 4 | কোনো উপাদান ত্রুটি পরিলক্ষিত হয়নি | এই মানদণ্ডের জন্য নমুনা আউটপুটে কোনো উপাদান ত্রুটি পরিলক্ষিত হয়নি। |
রুব্রিক মাত্রা
ওজনগুলি স্পষ্ট এবং গতি শুধুমাত্র তখনই স্কোর করা হয় যখন গতি বিদ্যমান থাকে
ভিডিও এবং GIF সমস্ত 100 বেস-ওয়েট পয়েন্ট ব্যবহার করে। ফটো অস্থায়ী স্থিতিশীলতা বাদ দেয় এবং অবশিষ্ট 90 পয়েন্টকে 100-পয়েন্ট ফলাফলে স্বাভাবিক করে।
| মানদণ্ড | বেস ওজন | মিডিয়া | পর্যালোচনা প্রশ্ন |
|---|---|---|---|
| আইডেন্টিটি সংরক্ষণ | 24% | ফটো, ভিডিও, gif | দৃশ্যমান চোখ, ভ্রু, নাক, মুখ, চোয়াল, বয়সের ইঙ্গিত এবং সামগ্রিক আইডেন্টিটি কি উদ্দেশ্যপ্রণোদিত রেফারেন্সের সাথে সুসংগত থাকে? |
| মুখের সীমানা এবং মিশ্রণ | 16% | ফটো, ভিডিও, gif | ত্বকের টেক্সচার, মুখের প্রান্ত, কান, চোয়াল, হেয়ারলাইন এবং ঘাড় কি পেস্ট-অন সীমানা ছাড়াই টার্গেট দৃশ্যে রূপান্তরিত হয়? |
| পোজ এবং অভিব্যক্তি সুসংগতি | 14% | ফটো, ভিডিও, gif | মুখের জ্যামিতি কি টার্গেট হেড অ্যাঙ্গেল, দৃষ্টি, চোখের অবস্থা, মুখের আকৃতি এবং অভিব্যক্তির সাথে সুসংগত থাকে? |
| আলো এবং রঙের ধারাবাহিকতা | 14% | ফটো, ভিডিও, gif | এক্সপোজার, রঙ, ত্বকের শেডিং, হাইলাইট এবং ছায়া কি টার্গেট দৃশ্যের সাথে সামঞ্জস্যপূর্ণ থাকে? |
| অক্লুশন এবং অ্যাক্সেসরি ধারাবাহিকতা | 12% | ফটো, ভিডিও, gif | চুল, হাত, চশমা, মাস্ক, মাইক্রোফোন, অগ্রভাগের বস্তু এবং অন্যান্য অক্লুশন কি সঠিক ভিজ্যুয়াল অর্ডারে থাকে? |
| প্রযুক্তিগত অখণ্ডতা | 10% | ফটো, ভিডিও, gif | আউটপুট কি উপাদানগত অস্পষ্টতা, রিংিং, ব্লক আর্টিফ্যাক্ট, ছিঁড়ে যাওয়া, ডুপ্লিকেট বৈশিষ্ট্য, আকস্মিক টেক্সচার পরিবর্তন বা ক্ষতিগ্রস্ত ফ্রেম থেকে মুক্ত? |
| অস্থায়ী স্থিতিশীলতা | 10% | ভিডিও, gif | গতি জুড়ে, আইডেন্টিটি কি ফ্লিকার, ড্রিফ্ট, মুখ হারানো, আকস্মিক জ্যামিতি পরিবর্তন বা দৃশ্যমান লুপ সীম ছাড়াই স্থিতিশীল থাকে? |
পুনরায় ব্যবহারযোগ্য প্রোটোকল ডাউনলোড করুন
JSON-এ সম্পূর্ণ স্কেল, গেট, মানদণ্ড, সূত্র, সিদ্ধান্ত ব্যান্ড, প্রমাণ সীমা, লাইসেন্স এবং রেফারেন্স রয়েছে। CSV একটি খালি সাত-সারি পর্যালোচনা টেমপ্লেট, এবং BibTeX ফাইল একটি স্থিতিশীল উদ্ধৃতি প্রদান করে।
স্বয়ংক্রিয় বেঞ্চমার্ক মানচিত্র
ফেস সোয়াপ গুণমান মেট্রিক্স বিভিন্ন প্রশ্নের উত্তর দেয়
একটি প্রতিরক্ষাযোগ্য বেঞ্চমার্ক উৎস-পরিচয় স্থানান্তর, টার্গেট-অ্যাট্রিবিউট সংরক্ষণ, চিত্র এবং ভিডিও বিতরণ বাস্তবতা, ফ্রেম-টু-ফ্রেম আচরণ, আউটপুট-শুধু মূল্যায়ন এবং মানব পর্যালোচনাকে পৃথক রাখে। সংস্করণযুক্ত সিদ্ধান্ত মানচিত্র প্রতিটি পরিবার কী তুলনা করে এবং একটি মান ব্যাখ্যা করার আগে প্রয়োজনীয় প্রোটোকলের নাম দেয়।
| পরিমাপ | তুলনা করে | ব্যবহার করুন | সীমানা |
|---|---|---|---|
| পরিচয় পুনরুদ্ধার বা এম্বেডিং সাদৃশ্য | উৎস পরিচয় বনাম অদলবদল করা আউটপুট, একটি নামযুক্ত ফেস এনকোডার বা উৎস গ্যালারি ব্যবহার করে। | স্থির মূল্যায়নকারীর অধীনে আউটপুট কতটা দৃঢ়ভাবে উৎস-পরিচয় প্রমাণ ধরে রাখে? একই প্রোটোকলের ভিতরে উচ্চতর সাদৃশ্য বা পুনরুদ্ধার কর্মক্ষমতা সাধারণত ভাল। | এনকোডার, ক্রপ, গ্যালারি, ডেমোগ্রাফিক্স, থ্রেশহোল্ড এবং প্রিপ্রসেসিং মানকে প্রভাবিত করে। এটি একজন ব্যক্তির জন্য একটি বায়োমেট্রিক রায় নয়। |
| ফ্রেম-ভিত্তিক পরিচয় সাদৃশ্য স্থিতিশীলতা | একটি নামযুক্ত ফেস এনকোডারের অধীনে সনাক্ত করা আউটপুট ফ্রেম জুড়ে উৎস-থেকে-আউটপুট পরিচয় সাদৃশ্যের ক্রম। | পোজ, অভিব্যক্তি, অস্পষ্টতা এবং দৃশ্যের অবস্থার পরিবর্তনের সাথে সাথে উৎস-পরিচয় প্রমাণ কি স্থিতিশীল থাকে? নিম্ন বিচ্ছুরণ বৃহত্তর স্থিতিশীলতা নির্দেশ করতে পারে শুধুমাত্র যখন গড় পরিচয় সাদৃশ্য বা পুনরুদ্ধার ফলাফল এটির পাশে রিপোর্ট করা হয়। | একটি ধারাবাহিকভাবে ভুল পরিচয়ের বৈচিত্র্য কম থাকতে পারে। বিচ্ছুরণ গড় সাদৃশ্য বা পুনরুদ্ধার প্রতিস্থাপন করতে পারে না, এবং মানগুলি এনকোডার বা ফ্রেম পাইপলাইন জুড়ে বহনযোগ্য নয়। |
| পোজ এবং অভিব্যক্তি ত্রুটি | একটি নামযুক্ত অনুমানকারীর অধীনে লক্ষ্য ভঙ্গি বা অভিব্যক্তি অনুমান বনাম অদলবদলকৃত আউটপুট। | নির্দিষ্ট অনুমানকারীর অধীনে আউটপুট কতটা নিখুঁতভাবে লক্ষ্য মাথার ভঙ্গি এবং অভিব্যক্তি সংরক্ষণ করে? একই অনুমানকারী এবং প্যারামিটারাইজেশনের মধ্যে সাধারণত নিম্ন ত্রুটি ভালো। | মানগুলি বিভিন্ন অনুমানকারী, ক্রপ, প্যারামিটার স্পেস, ল্যান্ডমার্ক কনভেনশন বা প্রিপ্রসেসিং পাইপলাইন জুড়ে বহনযোগ্য নয়। |
| Frechet Inception Distance (FID) | উত্পন্ন চিত্র বা ফ্রেমের একটি বিতরণ বনাম একটি নথিভুক্ত রেফারেন্স বিতরণ। | নির্দিষ্ট ফিচার এক্সট্র্যাক্টর এবং স্যাম্পলিং প্রোটোকলের অধীনে দুটি ফিচার বিতরণ কতটা কাছাকাছি? একই ডেটাসেট, এক্সট্র্যাক্টর, প্রিপ্রসেসিং এবং স্যাম্পল প্রোটোকলের মধ্যে নিম্ন মান ভালো। | একটি ফেস সোয়াপ আউটপুটের একটি প্রতিরক্ষাযোগ্য FID থাকতে পারে না কারণ একটি একক চিত্র একটি বিতরণ নয়। FID পরিচয় সঠিকতা বিচ্ছিন্ন করে না। |
| Frechet Video Distance (FVD) | একটি নামযুক্ত ভিডিও ফিচার এক্সট্র্যাক্টরের অধীনে উত্পন্ন ভিডিও ক্লিপের একটি বিতরণ বনাম একটি নথিভুক্ত রেফারেন্স-ক্লিপ বিতরণ। | একটি নির্দিষ্ট ক্লিপ-স্যাম্পলিং প্রোটোকলের অধীনে উত্পন্ন এবং রেফারেন্স ভিডিও ফিচার বিতরণ কতটা কাছাকাছি? একই ডেটাসেট, ফিচার এক্সট্র্যাক্টর, ক্লিপ সময়কাল, ফ্রেম রেট, প্রিপ্রসেসিং এবং স্যাম্পল প্রোটোকলের মধ্যে নিম্ন মান ভালো। | একটি আউটপুট ক্লিপ একটি প্রতিরক্ষাযোগ্য বিতরণ-স্তরের FVD ফলাফল নয়। FVD উৎস পরিচয়, লক্ষ্য-বৈশিষ্ট্য সংরক্ষণ, ঠোঁট সিঙ্ক্রোনাইজেশন বা একটি নির্দিষ্ট অস্থায়ী ত্রুটি বিচ্ছিন্ন করে না। |
| বিষয় এবং পটভূমি ধারাবাহিকতা | আউটপুট ফ্রেম এবং পূর্ববর্তী, লক্ষ্য বা রেফেরেন্স ফ্রেমের বিেরুদ্দে ফিচার ধারাবাহিকতা। | নির্দিষ্ট ভিডিও প্রোটোকলের অধীনে গতির মাধ্যমে বিষয় এবং পৃষ্ঠভূমি কতটা স্থাযর? একই বাস্তবায়নের অধীনে সাধারণত উচ্চতর ধারাবাহিকতা ভালো। | ধারাবাহিকতা একা সঠিক পরিচয় ম্যাপিং, ভিজুয়াল বাস্তববাদ, গতি নির্ভুলতা বা প্রকাশনার প্রস্তুতি স্থাপন করতে পারে না। |
| দৃষ্টি, চোখের খোলা, ঠোঁটের সিঙ্ক এবং গতি ডায়াগনস্টিকস | লক্ষ্য এবং আউটপুট ক্রমের মধযে নামযুক্ত চখ, অডিও-ঠঠ, লযন্মার্ক ব অপ্টিকল-ফ্ল ব্যবহার। | কোন নির্দিষ্ট গতিশীল লক্ষ্য বৈশিষ্ট্যগুলি উত্পন্ন ভিডিওর মাধ্যমে সিঙ্ক্রোনাইজড থাকে? দিক এবং একক নামযুক্ত ডায়াগনস্টিকের উপর নির্ভর করে; প্রতিটি আলাদাভাবে রিপোর্ট করুন। | এই ডায়াগনস্টিকগুলি বিনিময়যোগ্য নয়, একটি নথিভুক্ত ভিডিও প্রোটোকল প্রয়োজন এবং প্রতিটি মিডিয়া প্রকারে প্রযোজ্য নয়। |
| শিক্ষিত নো-রেফারেন্স গুণমান মূল্যায়ন | শুধুমাত্র আউটপুট, একটি মডল দ্বারা মলযায়ন কর যা রযন্কড মানব বচার ব লেবলযুক্ত গুনগত ডাটার বিরুদ্ধে প্রশিক্ষিত। | একটি প্রশিক্ষিত মূল্যায়নকারী কীভাবে দৃশ্যমান আউটপুট গুণমানকে র্যাঙ্ক করে যখন স্পষ্ট রেফারেন্স মিডিয়া অনুপলব্ধ? দিক মডেল আউটপুটের উপর নির্ভর করে; একটি নথিভুক্ত হেল্ড-আউট বিতরণে এটি বৈধ করুন। | কর্মক্ষমতা প্রশিক্ষণ ডেটা এবং বৈধতা সুযোগের উপর নির্ভর করে। একটি আউটপুট-শুধুমাত্র স্কোর নিজে থেকে সঠিক উৎস পরিচয় স্থানান্তর স্থাপন করতে পারে না। |
| কাঠামোবদ্ধ মানব স্কোরকার্ড | একটি দৃশ্যমান আউটপুট স্পষ্ট ত্রুটি অ্যাঙ্কর, প্রকাশনা গেট এবং পর্যালোচক নোটের বিরুদ্ধে। | এই নির্দিষ্ট আউটপুটে একজন পর্যালোচক কোন দৃশ্যমান ত্রুটি বা অমীমাংসিত ব্হার গেট পরীক্ষা করেন? অ্যাঙ্করিত অর্িনাল রেটিং ব্যবহার করুন; ফলাফলটিকে সম্ভাব্যতা বা বায়োমেট্রিক স্কোর হিসাবে পুনরায় ব্যাখ্যা করবেন না। | পর্যালোচিত নমুনা সম্পর্কে বিষয়গত প্রমাণ, মডেল নির্ভুলতা, প্রদানকারী র্যাঙ্কিং, সম্ভাব্যতা বা বায়োমেট্রিক সাদৃশ্য নয়। |
প্রকাশিত বেঞ্চমার্ক প্রোটোকলগুলি বিনিময়যোগ্য নয়
নীচের ক্রসওয়াক শুধুমাত্র প্রাথমিক গবেষণাপত্র দ্বারা বর্ণিত সেটআপগুলি রেকর্ড করে। এটি তাদের ফলাফল সারণী কপি করে না, দাবি করে না যে প্রতিটি ডেটাসেট ডাউনলোডযোগ্য, বা বিভিন্ন মূল্যায়নকারীর মানকে একটি লিডারবোর্ডে পরিণত করে না।
| প্রোটোকল এবং উৎস | তুলনা একক | রিপোর্টেড পিরমাপ | তুলনাযোগ্যতা সীমা |
|---|---|---|---|
| CASIA ফেস সোয়াপিং | তিনটি ফ্যাক্টর-আইসোলেশন প্রোটোকলের অধীনে একত্রিত উৎস-লক্ষ্য ভিডিও জোড়া। সাধারণ: সাধারণ রেকর্ডিং থেকে ৪,৫০০ নন-ওভারল্যাপিং একই-জাতিগত জোড়া। ক্রস-জাতিগত: এশিয়ান, আফ্রিকান এবং ককেশীয় গোষ্ঠীর মধ্যে উভয় দিক বিস্তৃত ১,২০০ জোড়া। ক্রস-অ্যাট্রিবিউট: স্বাভাবিক এবং ভঙ্গি, অভিব্যক্তি বা আলোকসজ্জার বৈচিত্র্য বিস্তৃত উভয় দিকের ৪,৩০০ জোড়া। | পরিচয় পুনরুদ্ধার, পরিচয় সাদৃশ্য, ভঙ্গি ত্রুটি, অভিব্যক্তি ত্রুটি, FID, বিষয় ধারাবাহিকতা, পটভূমি ধারাবাহিকতা। এই ক্রসওয়াকে কোনো মানব-পর্যালোচনা প্রোটোকল সংক্ষিপ্ত করা হয়নি। | তিনটি স্লাইস CASIA সেটআপের মধ্যে বিভিন্ন ফ্যাক্টরকে বিচ্ছিন্ন করে। তাদের মানগুলি সেই গবেষণাপত্রের জোড়া নির্মাণ, মডেল, ফিচার এক্সট্র্যাক্টর, রেজোলিউশন এবং সমষ্টির উপর নির্ভর করে। |
| IDBench-V | গবেষণাপত্র-রিপোর্ট করা ২০০টি বাস্তব-বিশ্বের উৎস-ভিডিও এবং লক্ষ্য-চিত্র জোড়া। ছোট মুখ, চরম মাথার ভঙ্গি, গুরুতর অবরোধ, জটিল বা গতিশীল অভিব্যক্তি এবং জটিল বহু-ব্যক্তি দৃশ্য কভার করে একটি ২০০-জোড়া মূল্যায়ন সেট। | ArcFace পরিচয় সাদৃশ্য, InsightFace পরিচয় সাদৃশ্য, CurricularFace পরিচয় সাদৃশ্য, ফ্রেম-ভিত্তিক পরিচয়-সাদৃশ্য বৈচিত্র্য, ভঙ্গি ত্রুটি, অভিব্যক্তি ত্রুটি, পটভূমি ধারাবাহিকতা, বিষয় ধারাবাহিকতা, গতি মসৃণতা, FVD। গবেষণাপত্রটি পরিচয় সাদৃশ্য, বৈশিষ্ট্য সংরক্ষণ এবং ভিডিও মানের জন্য ১-থেকে-৫ রেটিং ব্যবহার করে ১৯ জন মূল্যায়নকারীর রিপোর্ট করে। | সারি শুধুমাত্র গবেষণাপত্র-রিপোর্ট করা প্রোটোকল রেকর্ড করে। এটি পাবলিক ডাউনলোড প্রাপ্যতা দাবি করে না, একটি ফলাফল পুনরুত্পাদন করে না বা এর মানগুলিকে অন্য বেঞ্চমার্কে বহনযোগ্য করে তোলে না। |
| ক্যাননসোয়াপ VFS বেঞ্চমার্ক | VFHQ থেকে নমুনা করা ১০০টি উৎস-লক্ষ্য জোড়া; প্রতিটি লক্ষ্য প্রথম ১০০ ফ্রেম এবং সংশ্লিষ্ট অডিওর চার সেকেন্ড ব্যবহার করে। নির্দিষ্ট ফ্রেম এবং অডিও উইন্ডো সহ একটি ১০০-জোড়া ভিডিও ফেস সোয়াপ মূল্যায়ন সেট। | পরিচয় সাদৃশ্য, পরিচয় পুনরুদ্ধার, ভঙ্গি ত্রুটি, অভিব্যক্তি ত্রুটি, দৃষ্টি ত্রুটি, চোখের আকৃতি অনুপাত ত্রুটি, LSE-D, LSE-C, অপটিক্যাল-ফ্লো অস্থায়ী ধারাবাহিকতা, FVD। এই ক্রসওয়াকে কোনো মানব-পর্যালোচনা প্রোটোকল সংক্ষিপ্ত করা হয়নি। | প্রোটোকল গবেষণাপত্র-নির্দিষ্ট ফ্রেম, অডিও, অনুমানকারী এবং ফিচার এক্সট্র্যাক্টর পছন্দ ব্যবহার করে। এর মানগুলি অবশ্যই IDBench-V বা CASIA মানের সাথে সরাসরি তুলনা করা উচিত নয়। |
মেট্রিক সিদ্ধান্ত মানচিত্র ডাউনলোড করুন
JSON সমস্ত ৯টি মেট্রিক পরিবার, ৩-প্রোটোকল ক্রসওয়াক, পূর্বশর্ত, ব্যাখ্যার দিকনির্দেশ, প্রমাণের সীমানা এবং প্রাথমিক উৎস সংরক্ষণ করে। CSV-এ মেট্রিক-পরিবার সারণী রয়েছে; BibTeX রেকর্ড স্থিতিশীল অ্যাট্রিবিউশন প্রদান করে।
সিদ্ধান্তের জন্য সঠিক প্রমাণ ব্যবহার করুন: স্বয়ংক্রিয় মেট্রিকগুলির একটি নির্দিষ্ট ডেটাসেট, মূল্যায়নকারী, প্রিপ্রসেসিং পাইপলাইন, নমুনা গণনা এবং পুনরাবৃত্ত আউটপুট প্রয়োজন। এই স্থানীয় স্কোরকার্ড একটি পর্যালোচিত ফলাফলে দৃশ্যমান ত্রুটিগুলি রেকর্ড করে এবং ইচ্ছাকৃতভাবে একটি স্বয়ংক্রিয় বেঞ্চমার্ক অনুকরণ করে না।
পাঁচ-পদক্ষেপ মূল্যায়ন প্রোটোকল
প্রতিটি পর্যালোচনাকে অন্য ব্যক্তির পরিদর্শনের জন্য যথেষ্ট পুনরুত্পাদনযোগ্য করুন
- আউটপুট প্রকার চয়ন করুন এবং নমুনা সনাক্ত করুন। ফটো, ভিডিও বা GIF নির্বাচন করুন এবং একটি নমুনা শনাক্তকারী, পর্যালোচক এবং পর্যালোচনার তারিখ রেকর্ড করুন।
- তিনটি গুরুত্বপূর্ণ প্রকাশনা গেট নিশ্চিত করুন। অনুমতি নিশ্চিত করুন, উদ্দিষ্ট পরিচয় ম্যাপিং যাচাই করুন এবং একটি AI-বিষয়বস্তু প্রকাশের প্রয়োজন কিনা তা পর্যালোচনা করুন।
- প্রযোজ্য প্রতিটি মানদণ্ড পর্যালোচনা করুন। পরিচয়, ফেস বাউন্ডারি, পোজ এবং অভিব্যক্তি, আলো, অস্পষ্টতা, প্রযুক্তিগত অখণ্ডতা এবং অস্থায়ী স্থিতিশীলতা যেখানে প্রযোজ্য সেখানে রেট দিন।
- গেটগুলি ওভাররাইড না করে ওজনযুক্ত ফলাফল পড়ুন। সংশোধনগুলিকে অগ্রাধিকার দিতে ফলাফল ব্যবহার করুন। একটি সংখ্যাসূচক স্কোর কখনই অমীমাংসিত অনুমতি, ম্যাপিং বা প্রকাশনার গেট অগ্রাহ্য করে না।
- সম্পূর্ণ প্রমাণ রেকর্ড রপ্তানি করুন। JSON বা CSV ডাউনলোড করুন, নোটগুলি ধরে রাখুন এবং আপনি তুলনা করতে চান এমন প্রতিটি আউটপুটের জন্য একই প্রোটোকল পুনরাবৃত্তি করুন।
প্রদানকারী তুলনার জন্য আরও প্রমাণ প্রয়োজন: অভিন্ন অনুমোদিত ইনপুট, পুনরাবৃত্ত স্বাধীন রান, একাধিক পর্যালোচক, নথিভুক্ত দেখার শর্ত এবং পরিসংখ্যানগত রিপোর্টিং ব্যবহার করুন। একটি হাতে বাছাই করা আউটপুট গড় মডেল গুণমান স্থাপন করতে পারে না।
প্রমাণের সীমানা এবং উৎস
বিষয়গত পর্যালোচনা তখনই কার্যকর যখন এর সীমা দৃশ্যমান হয়
সীমানা
স্কোরটি একটি পর্যালোচিত আউটপুটের একটি কাঠামোবদ্ধ মানব পর্যবেক্ষণ, এটি একটি বায়োমেট্রিক পরিচয় পরিমাপ নয়।
সীমানা
রুব্রিকটি মডেলের নির্ভুলতা, গড় গুণমান, নিরাপত্তা, গতি, নির্ভরযোগ্যতা বা প্রোভাইডারের শ্রেষ্ঠত্ব প্রতিষ্ঠা করে না।
সীমানা
একটি উচ্চ স্কোর সম্মতি, প্রকাশ, আইনি, অ্যাক্সেসযোগ্যতা বা দর্শক-নির্দিষ্ট পর্যালোচনার বিকল্প নয়।
সীমানা
একটি ক্রস-প্রোভাইডার দাবির জন্য একই ইনপুট, পুনরাবৃত্ত রান, স্বাধীন পর্যালোচক, নথিভুক্ত দেখার শর্ত এবং পরিসংখ্যানগত প্রতিবেদন প্রয়োজন।
- ITU-R BT.500-15: Methodologies for the subjective assessment of the quality of television images - নথিভুক্ত বিষয়গত চিত্র মূল্যায়নের জন্য সাধারণ নীতি; DeepSwapAI রুব্রিক একটি ITU পরীক্ষাগার পরীক্ষা নয়।
- ITU-T P.910 (10/2023): Subjective video quality assessment methods for multimedia applications - নথিভুক্ত বিষয়গত মাল্টিমিডিয়া মূল্যায়নের জন্য সাধারণ নীতি; DeepSwapAI রুব্রিক একটি ব্যবহারিক একক-পর্যালোচনা কর্মপ্রবাহ।
- Towards High Fidelity Face Swapping: A Comprehensive Survey and New Benchmark - CASIA FaceSwapping বেঞ্চমার্ক সংজ্ঞায়িত করে এবং পরিচয়, লক্ষ্য-বৈশিষ্ট্য, বিতরণ এবং ভিডিও ধারাবাহিকতা প্রোটোকল নথিভুক্ত করে।
- DreamID-V: Bridging the Image-to-Video Gap for High-Fidelity Face Swapping via Diffusion Transformer - ২০০-জোড়া IDBench-V প্রোটোকল প্রবর্তন করে এবং মাল্টি-এনকোডার পরিচয় সাদৃশ্য, ফ্রেম-ভিত্তিক বৈচিত্র্য, লক্ষ্য-বৈশিষ্ট্য, ভিডিও-ধারাবাহিকতা, FVD এবং মানব-পর্যালোচনা ব্যবস্থা রিপোর্ট করে।
- CanonSwap: High-Fidelity and Consistent Video Face Swapping via Canonical Space Modulation - ভিডিও-নির্দিষ্ট পরিচয়, লক্ষ্য-বৈশিষ্ট্য, সিঙ্ক্রোনাইজেশন, অস্থায়ী ধারাবাহিকতা এবং বিতরণ ব্যবস্থা রিপোর্ট করে।
- Rank-based No-reference Quality Assessment for Face Swapping - র্যাঙ্ক করা রায়ের বিরুদ্ধে প্রশিক্ষিত শেখা আউটপুট-শুধুমাত্র ফেস-সোয়াপ গুণমান মূল্যায়ন অধ্যয়ন করে।
- GANs Trained by a Two Time-Scale Update Rule Converge to a Local Nash Equilibrium - ফ্রেচেট ইনসেপশন ডিসটেন্সকে একটি বিতরণ-স্তরের মূল্যায়ন পরিমাপ হিসাবে প্রবর্তন করে।
- DeepSwapAI নিয়ন্ত্রিত ইনপুট-প্রস্তুতি গবেষণা - কোনো উত্পন্ন আউটপুট স্কোর ছাড়া পৃথক ইনপুট-শুধুমাত্র প্রমাণ।
- ক্যানোনিকাল স্কোরকার্ড ডেটাসেট - বর্তমান JSON ক্যানোনিকাল ওয়েবসাইট দ্বারা প্রকাশিত।
- গবেষণা ম্যানিফেস্ট চেকসাম-যাচাইকৃত 17টি ক্যানোনিকাল ফাইলের বাইট সাইজ এবং SHA-256 চেকসাম।
- ঐতিহাসিক সফটওয়্যার হেরিটেজ রিপোজিটরি স্ন্যাপশট - v1.6.2 সংস্করণটি স্বাধীনভাবে সংরক্ষিত swh:
1: .snp: f11738615eea 9f999c8709a0 da73130f0426 6209 - DeepSwapAI দাবি যাচাইকরণ পদ্ধতি - কীভাবে পণ্যের তথ্য, তুলনা এবং প্রমাণের সীমানা পর্যালোচনা করা হয়।
স্কোরকার্ড প্রশ্ন
সংখ্যাটি কী স্থাপন করতে পারে এবং কী পারে না
এটি কি আমার মিডিয়া বা নোট আপলোড করে?
না। পৃষ্ঠায় কোনো মিডিয়া ইনপুট নেই, এবং স্কোরকার্ড নিয়ন্ত্রণগুলি DeepSwapAI-এ রেটিং বা নোট পাঠায় না।
এটি কি একটি বায়োমেট্রিক পরিচয় স্কোর?
না। এটি দৃশ্যমান আউটপুট বৈশিষ্ট্যের একটি নথিভুক্ত মানব পর্যবেক্ষণ, মুখ-শনাক্তকরণ নির্ভুলতা বা এম্বেডিং সাদৃশ্য নয়।
একটি স্কোর কি ফেস সোয়াপ প্রদানকারীদের র্যাঙ্ক করতে পারে?
না। একটি প্রতিরক্ষাযোগ্য তুলনার জন্য ভাগ করা ইনপুট, পুনরাবৃত্ত আউটপুট, একাধিক পর্যালোচক, নিয়ন্ত্রিত দেখার শর্ত এবং পরিসংখ্যানগত রিপোর্টিং প্রয়োজন।
কেন অস্থায়ী স্থায়িত্ব ফটো থেকে বাদ দেওয়া হয়েছে?
একটি স্থির চিত্রের কোনো ফ্রেম ক্রম নেই। ফটো মোড ৯০ বেস-ওয়েট পয়েন্ট থেকে ১০০ পর্যন্ত ছয়টি প্রযোজ্য মানদণ্ডকে স্বাভাবিক করে।
আমি কি রুব্রিকটি পুনরায় ব্যবহার করতে পারি?
হ্যাঁ। প্রকাশিত JSON এবং ফাঁকা CSV CC BY 4.0 ব্যবহার করে এবং প্রয়োজনীয় অ্যাট্রিবিউশন বিবৃতি এবং একটি ডাউনলোডযোগ্য BibTeX রেকর্ড অন্তর্ভুক্ত করে।
FID কি একটি ফেস সোয়াপ আউটপুট পরিমাপ করতে পারে?
না। FID উত্পন্ন এবং রেফারেন্স চিত্র সেটের বিতরণের তুলনা করে। একটি চিত্র একটি বিতরণ নয়।
পরিচয় কি উৎস বা লক্ষ্যের সাথে তুলনা করা উচিত?
পরিচয় পুনরুদ্ধার এবং সাদৃশ্য সাধারণত আউটপুটকে উৎসের সাথে তুলনা করে। ভঙ্গি এবং অভিব্যক্তি সংরক্ষণ সাধারণত আউটপুটকে লক্ষ্যের সাথে তুলনা করে।
CASIA FaceSwapping, IDBench-V এবং CanonSwap মানগুলি কি সরাসরি তুলনা করা যেতে পারে?
না। তাদের জোড়া নির্মাণ, চ্যালেঞ্জ স্লাইস, মূল্যায়নকারী, ফিচার এক্সট্র্যাক্টর, ফ্রেম বা অডিও উইন্ডো, প্রিপ্রসেসিং এবং সমষ্টি ভিন্ন। মান তুলনা করার আগে একটি ভাগ করা প্রোটোকল পুনরুত্পাদন করুন।
প্রথমে ক্ষুদ্রতম প্রতিনিধি আউটপুট তৈরি করুন
একটি অনুমোদিত লক্ষ্য এবং পরিচয় রেফারেন্স চয়ন করুন, একটি প্রতিনিধি ফলাফল তৈরি করুন, তারপর একটি ব্যাচ বা দীর্ঘ ক্লিপ স্কেল করার আগে এটি স্কোর করতে ফিরে আসুন।