অফিসিয়াল ভিজ্যুয়াল প্রমাণ
প্রতিটি ফেস সোয়াপ ওয়ার্কফ্লোর একটি করে বাস্তব রান, লেবেলসহ একটি টার্গেট-রেফারেন্স-ফলাফল ওয়ার্কফ্লো, একটি ম্যাপ করা গ্রুপ ছবির ওয়ার্কফ্লো, পরিচয়ের দুটি দিক এবং একটি পুনরুৎপাদনযোগ্য ডিকোডেড-পিক্সেল অডিট খুঁটিয়ে দেখুন। প্রতিটি উদাহরণে উৎসের তথ্য স্পষ্টভাবে দেওয়া আছে, আর এটি কী প্রমাণ করতে পারে তার সীমাও পরিষ্কার করে বলা আছে।
প্রমাণ প্রকাশ
একটি দরকারী উদাহরণ পৃষ্ঠার উৎস এবং সীমাগুলি ছবিগুলির মতোই দৃশ্যমান করা উচিত। এই সম্পদগুলি উদ্দিষ্ট আইডেন্টিটি-এবং-দৃশ্য সম্পর্ক ব্যাখ্যা করে একটি অসমর্থিত কর্মক্ষমতা দাবিতে চিত্রণকে পরিণত না করে।
ছবিগুলোর মধ্যে ছয়টি হল DeepSwapAI চিত্রণ: একটি একক-ফটো টার্গেট-রেফারেন্স-ফলাফল কম্পোজিট, একটি ম্যাপ করা গ্রুপ-ফটো কম্পোজিট, দুটি স্টুডিও আইডেন্টিটি রেফারেন্স এবং বর্তমান পণ্য অভিজ্ঞতায় ব্যবহৃত দুটি দৃশ্য দিকনির্দেশ। বাস্তব ফলাফল বিভাগে প্রতিটি ফেস সোয়াপ ওয়ার্কফ্লোর একটি করে সম্পন্ন রান যোগ করা হয়েছে।
এই পৃষ্ঠার কোনো ছবিই গ্রাহকের ফলাফল, ব্যবহারকারীর জমা দেওয়া ছবি বা প্রশংসাপত্র নয়। নিচের বাস্তব ফলাফলগুলো AI দিয়ে তৈরি ডেমো ছবিতে আমাদের নিজেদের চালানো রান থেকে এসেছে।
উদাহরণগুলি একটি নির্ভুলতা স্কোর, গড় গুণমান, জেনারেশন গতি, সাফল্যের হার বা নিশ্চিত ফলাফল প্রতিষ্ঠা করে না।
আইডেন্টিটি ল্যান্ডমার্ক, চুলের সীমানা, মুখের আলো, অগ্রভাগের ওভারল্যাপ এবং দৃশ্যের বিবরণ তুলনা করুন। তারপর স্কেল করার আগে আপনার নিজের প্রতিনিধিত্বমূলক ইনপুট পরীক্ষা করুন।
বাস্তব ফলাফল
প্রতিটি ওয়ার্কফ্লোর 27 সেপ্টেম্বর, 2026 তারিখে লাইভ প্রোডাক্টে সম্পন্ন হওয়া একটি করে রান নিচে দেখানো হয়েছে; প্রোডাক্টে একটি সংশোধনের পর গ্রুপ ওয়ার্কফ্লোটি দ্বিতীয়বার চালানো হয়েছিল, যেমনটি এর নোটে ব্যাখ্যা করা আছে। প্রতিটি ইনপুট DeepSwapAI-এর AI দিয়ে তৈরি ডেমো ছবি, তাই এতে কোনো গ্রাহকের আপলোড, স্টক ছবি বা বাস্তব মানুষ জড়িত নেই। অ্যাকাউন্টটিতে পেইড অ্যাক্সেস ছিল, তাই কোনো ট্রায়াল ওয়াটারমার্ক দেখা যায় না, এবং ফলাফলগুলো কোনো রিটাচ ছাড়াই দেখানো হয়েছে।
মুখের ছবি 1 ম্যাপ করা হয়েছিল পুরুষটির সঙ্গে, আর মুখের ছবি 2 নারীটির সঙ্গে। প্রথম রানে যেখানে দুটি মুখের অংশ মিলেছিল, সেখানে ক্রপের একটি তীক্ষ্ণ কিনারা দেখা গিয়েছিল; গ্রুপ ছবির ওয়ার্কফ্লো এখন প্রতিটি মুখকে ছবির সঙ্গে মিশিয়ে দেয়, আর এটি সেই সংশোধনের পরের রান।
টার্গেট ক্লিপটি AI দিয়ে তৈরি একটি স্থির ছবির ওপর ক্যামেরা ধীরে সামনে এগোনোর ইফেক্ট দিয়ে বানানো, কারণ এই সাইটে ছবি থেকে ভিডিও বানানোর কোনো টুল নেই। এতে চলমান ফ্রেমে মুখ বদল দেখা যায়, স্বাভাবিক নড়াচড়া নয়।
টার্গেট GIF-টি AI দিয়ে তৈরি একটি স্থির ছবির ওপর ধীর জুম দিয়ে বানানো। দুটি অ্যানিমেশনই এখানে GIF ফাইলগুলোর হালকা ওয়েব কপি হিসেবে দেখানো হয়েছে।
ফটো ওয়ার্কফ্লো উদাহরণ
টার্গেট ইমেজ শরীর, চুল, ভঙ্গি, আলো এবং পটভূমি প্রতিষ্ঠা করে। আইডেন্টিটি রেফারেন্স সেই দৃশ্যে স্থাপন করার জন্য মুখের সংকেত সরবরাহ করে। লেবেলযুক্ত ফলাফল প্যানেলটি আপনার নিজের মিডিয়া পরীক্ষা করার আগে সেই ইনপুট সম্পর্ক দৃশ্যমান করে তোলে।
পুনরুৎপাদনযোগ্য আগে-পরে অডিট
উৎস চিত্রণটি একটি 622 x 701 টার্গেট প্যানেল এবং একটি 622 x 701 চিত্রণমূলক-ফলাফল প্যানেলে বিভক্ত। তিনটি সারিবদ্ধ অঞ্চল কেন্দ্রীয় আইডেন্টিটি-রেফারেন্স প্রতিকৃতি এবং তীর ওভারলেগুলি থেকে পরিষ্কার থাকে। টেবিলটি নেটিভ রেজোলিউশনে ডিকোডেড-পিক্সেল পার্থক্য রিপোর্ট করে; এটি মুখ স্কোর করে না, একটি জেনারেশন টাস্ক চালায় না বা মডেলের গুণমান অনুমান করে না।
| অঞ্চল | Aligned window | Mean RGB difference | Pixels above delta 12 | Luminance correlation | Gradient correlation |
|---|---|---|---|---|---|
| উপরের দৃশ্য ও মুখের ব্যান্ড | 0,0 · 622 x 230 |
16.658 | 74.963% | 0.93 | 0.378 |
| Face and hair window | 180,8 · 260 x 270 |
20.584 | 68.372% | 0.901 | 0.3097 |
| নিম্ন বিষয় এবং দৃশ্য ব্যান্ড | 0,480 · 622 x 221 |
13.996 | 64.64% | 0.9319 | 0.4188 |
উপরের ব্যান্ডে সারিবদ্ধ রান্নাঘরের দৃশ্য, চুল এবং মুখ রয়েছে যখন রেফারেন্স-বৃত্ত এবং তীর ওভারলেগুলির উপরে থাকে।
Target (0, 0, 622, 230); result (622, 0, 622, 230)
কেন্দ্রীয় উইন্ডোটি দৃশ্যমান মুখ এবং আশেপাশের চুলকে বিচ্ছিন্ন করে রেফারেন্স-বৃত্ত বা তীর ওভারলেগুলি অন্তর্ভুক্ত না করে।
Target (180, 8, 260, 270); result (802, 8, 260, 270)
নিম্ন ব্যান্ডে পোশাক, বাহু, হাত এবং রেফারেন্স-বৃত্ত এবং তীর ওভারলেগুলির নীচে ঘরের বিবরণ রয়েছে।
Target (0, 480, 622, 221); result (622, 480, 622, 221)
JSON-এ উৎসের ফিঙ্গারপ্রিন্ট, প্যানেল বিন্যাস, সূত্র, সঠিক অঞ্চল স্থানাঙ্ক, পরিমাপ, অধিকার সীমা এবং সীমাবদ্ধতা রয়েছে। CSV সারণী বিশ্লেষণ সমর্থন করে, এবং BibTeX একটি স্থিতিশীল উদ্ধৃতি প্রদান করে।
একটি বাস্তব উৎপাদিত আউটপুটের জন্য, পৃথক মানব-পর্যালোচনা স্কোরকার্ডব্যবহার করুন। সম্পূর্ণ মেশিন-পাঠযোগ্য তালিকার জন্য, গবেষণা ডেটা ক্যাটালগ.
ব্যবহার করুন।
প্রতিটি নির্বাচিত ব্যক্তিকে একটি ভিন্ন পরিচয় নির্ধারণ করুন এই সরকারি কম্পোজিট একটি গ্রুপ টার্গেট, চারটি পৃথক পরিচয় রেফারেন্স এবং একটি বহু-ব্যক্তি ফলাফলের দিকনির্দেশনার মধ্যে সম্পর্ক চিত্রিত করে। লাইভ মাল্টিপল ফেস সুইপ ওয়ার্কস্পেস
এটি একটি সরকারি ব্যাখ্যামূলক কম্পোজিট, ব্যবহারকারীর আপলোড, কাজের রসিদ, গড়-মানের নমুনা বা অন্য কোনো ছবির গ্যারান্টি নয়। গ্রুপ-ফটো প্রস্তুতি নির্দেশিকা ব্যবহার করে দৃশ্যমানতা, ব্যবধান, সংখ্যাযুক্ত ক্রম, ১০-রেফারেন্স সীমা এবং বর্তমান প্রতি-নির্বাচিত-মুখে ৬-ক্রেডিট খরচ পরীক্ষা করুন।
পরিচয় দিকনির্দেশ A
স্টুডিও পোর্ট্রেট দৃশ্যমান পরিচয় সংকেত সরবরাহ করে। দৃশ্যের দিকনির্দেশনা একটি সম্পর্কিত মুখের পরিচয়কে উড়ন্ত চুল, নিচের মুখ জুড়ে ফুল, উজ্জ্বল আকাশ এবং ছোপানো আলোর মধ্যে রাখে।
তুলনার ভিত্তি হিসাবে চোখ, ভ্রু রেখা, নাক, মুখ, চোয়াল এবং সামগ্রিক বয়সের সংকেত ব্যবহার করুন।
পরিচয় দিকনির্দেশ B
দ্বিতীয় স্টুডিও পোর্ট্রেট পরিচয় সংকেতের একটি ভিন্ন সেট সরবরাহ করে। সম্পর্কিত দৃশ্যের দিকনির্দেশনা একই ফুলের ক্ষেত্রের ভাষা ব্যবহার করে যাতে দর্শকরা সম্পূর্ণ ভিন্ন পরিবেশের সাথে বিভ্রান্ত না হয়ে মুখের পরিচয়ের উপর ফোকাস করতে পারে।
চোখের আকৃতি, ভ্রুর খিলান, নাক, মুখ, চোয়ালের কনট্যুর এবং সামগ্রিক মুখের অনুপাত তুলনা করুন।
ব্যাখ্যা নির্দেশিকা
একটি পরীক্ষা পরিকল্পনা তৈরি করতে ছবিগুলো ব্যবহার করুন, প্রকাশিত নয় এমন প্রমাণ অনুমান করতে নয়।
| প্রশ্ন | এখানে কী দৃশ্যমান | সীমা |
|---|---|---|
| আমি কি পরিচয় সংকেত তুলনা করতে পারি? | হ্যাঁ। রেফারেন্স এবং দৃশ্যের দিকনির্দেশনা চোখ, ভ্রু, নাক, মুখ, চোয়াল এবং বয়সের সংকেত প্রকাশ করে। | এটি একটি উপলব্ধিগত পর্যালোচনা, বায়োমেট্রিক সাদৃশ্য স্কোর নয়। |
| আমি কি টার্গেট-রেফারেন্স-ফলাফল সম্পর্ক পরিদর্শন করতে পারি? | হ্যাঁ। ফটো ওয়ার্কফ্লো কম্পোজিট দৃশ্যের টার্গেট, পরিচয় রেফারেন্স এবং দৃষ্টান্তমূলক ফলাফল লেবেল করে। | এটি ইনপুট ভূমিকা ব্যাখ্যা করে তবে একটি নিয়ন্ত্রিত আগে-পরে বেঞ্চমার্ক নয়। |
| আমি কি ভিডিও বা GIF ধারাবাহিকতা বিচার করতে পারি? | চিত্রণগুলো থেকে নয়, কারণ সেগুলো স্থির। ওপরের ভিডিও ও GIF রানগুলোতে AI দিয়ে তৈরি একটি স্থির ছবির ওপর ক্যামেরার ধীর নড়াচড়া ব্যবহার করা হয়েছে, তাই এগুলোতে চলমান ফ্রেমে মুখ বদল দেখা যায়, তবে স্বাভাবিক নড়াচড়া, মাথা ঘোরানো, অক্লুশন বা কাট দেখা যায় না। | প্রাসঙ্গিক মোশন ওয়ার্কফ্লোতে টেস্ট টার্ন, ব্লার, অক্লুশন, কাট এবং লুপ সিম পরীক্ষা করুন। |
| আমি কি আমার আউটপুট বা গতি পূর্বাভাস দিতে পারি? | না। সরবরাহকৃত আইডেন্টিটি রেফারেন্স এবং টার্গেট মিডিয়ার উপর ভিত্তি করে ফলাফল পরিবর্তিত হয়। | স্কেলিং করার আগে একটি প্রতিনিধিত্বমূলক ইমেজ বা ছোট ক্লিপ চালান এবং প্রকৃত ফলাফল পর্যালোচনা করুন। |
উদাহরণ থেকে পরীক্ষা
গভীর প্রস্তুতির জন্য, ফেস সোয়াপ কোয়ালিটি গাইডব্যবহার করুন। জেনারেশনের পরে, ফেস সোয়াপ কোয়ালিটি স্কোরকার্ডএর সাথে একই দৃশ্যমান মানদণ্ড রেকর্ড করুন। সম্মতি, ধারণ এবং শেয়ারিং সিদ্ধান্তের জন্য, প্রাইভেসি চেকলিস্ট। যাচাইকরণ পদ্ধতি ব্যবহার করুন যা ব্যাখ্যা করে কিভাবে পাবলিক দাবি পর্যালোচনা করা হয়।
একটি ওয়ার্কফ্লো চয়ন করুন
একটি আইডেন্টিটি এবং একটি টার্গেট ইমেজ বৈধতা দিন।
ফটো ওয়ার্কস্পেস খুলুনএকটি বড় ফটো সেট প্রক্রিয়া করার আগে ধারাবাহিকতা পরীক্ষা করুন।
ব্যাচ ওয়ার্কস্পেস খুলুনটার্ন, ব্লার এবং অক্লুশনের মাধ্যমে ধারাবাহিকতা পর্যালোচনা করুন।
ভিডিও ওয়ার্কস্পেস খুলুনদ্রুত গতি, ছোট লুপ এবং সিম ধারাবাহিকতা পরিদর্শন করুন।
GIF ওয়ার্কস্পেস খুলুনএকটি পরিষ্কার আইডেন্টিটি রেফারেন্স এবং একটি টার্গেট ব্যবহার করুন যাতে প্রকৃত আলো, পোজ, চুল বা অক্লুশন রয়েছে যা আপনাকে মূল্যায়ন করতে হবে।
