৬টি নিয়ন্ত্রিত নমুনা
রেফারেন্স, হ্রাসকৃত রেজোলিউশন, নরম ফোকাস, কম এক্সপোজার, উচ্চ এক্সপোজার এবং ভারী JPEG কম্প্রেশন।
মূল ইনপুট গবেষণা
ফেস সোয়াপ ইনপুট প্রস্তুতি বেঞ্চমার্ক
একটি মালিকানাধীন সোর্স ইমেজ, ছয়টি নিয়ন্ত্রিত ভেরিয়েন্ট, পাঁচটি স্বচ্ছ পিক্সেল পরিমাপ এবং শূন্য জেনারেটেড-আউটপুট দাবি। আপলোডের আগে একটি প্রিফ্লাইট চেকার কী পরিমাপ করতে পারে এবং কী ভবিষ্যদ্বাণী করতে পারে না তা বোঝার জন্য ডেটা ব্যবহার করুন।
সরাসরি উত্তর
এটি একটি ইনপুট স্ট্রেস টেস্ট, AI নির্ভুলতা লিডারবোর্ড নয়
পরীক্ষাটি একই DeepSwapAI-মালিকানাধীন সোর্স ক্রিয়েটিভের চারপাশে একবারে একটি পরিবর্তনশীল পরিবার পরিবর্তন করে। এটি ডিকোডেড পিক্সেল পরিমাপ এবং সঠিক রূপান্তর প্রকাশ করে। এটি একটি ফেস সোয়াপ চালায় না, মডেল তুলনা করে না, পরিচয় সাদৃশ্য অনুমান করে না বা গুণমান বিজয়ী ঘোষণা করে না।
৫টি পিক্সেল পরিমাপ
গড় লুমিন্যান্স, কন্ট্রাস্ট স্ট্যান্ডার্ড ডেভিয়েশন, ডার্ক ক্লিপিং, হাইলাইট ক্লিপিং এবং সংলগ্ন-এজ পার্থক্য।
০টি আউটপুট দাবি
কোনো জেনারেটেড ইমেজ, সাফল্যের হার, বাস্তববাদ স্কোর, পরিচয় স্কোর, গতি ফলাফল বা পণ্য র্যাঙ্কিং নয়।
নিয়ন্ত্রিত ভেরিয়েন্ট
পরিমাপের পিছনে সঠিক ইমেজ সেট দেখুন
প্রতিটি প্লেট একই সোর্স অ্যাসেট থেকে উদ্ভূত। ভিজ্যুয়াল পরিদর্শন প্রয়োজনীয় কারণ সামগ্রিক মেট্রিক প্রতিটি স্থানীয় আর্টিফ্যাক্ট দেখাতে পারে না।
পরিমাপিত ডেটা
সর্বোচ্চ 512-পিক্সেল বিশ্লেষণ সাইডে ডিকোডেড-পিক্সেল পরিমাপ
লুমিন্যান্স Rec. 709 সহগ ব্যবহার করে। ডার্ক ক্লিপিং 10 বা তার নিচে লুমিন্যান্স গণনা করে; হাইলাইট ক্লিপিং 245 বা তার উপরে লুমিন্যান্স গণনা করে। এজ পার্থক্য হল অনুভূমিক এবং উল্লম্ব প্রতিবেশী পিক্সেল জুড়ে গড় পরম লুমিন্যান্স পার্থক্য।
| ভেরিয়েন্ট | মাত্রা | গড় লুমিন্যান্স | কন্ট্রাস্ট SD | ডার্ক ক্লিপড | লাইট ক্লিপড | এজ পার্থক্য |
|---|---|---|---|---|---|---|
| রেফারেন্স এনকোড | 960 x 540 | 125.82 | 58.95 | 1.22% | 0% | 7.74 |
| হ্রাসকৃত রেজোলিউশন | 320 x 180 | 126.22 | 58.81 | 1.1% | 0.01% | 10.55 |
| নরম ফোকাস | 960 x 540 | 124.8 | 55.19 | 0.16% | 0% | 2.68 |
| কম এক্সপোজার | 960 x 540 | 57.18 | 30.37 | 9.22% | 0% | 3.87 |
| উচ্চ এক্সপোজার | 960 x 540 | 197.15 | 62.53 | 0% | 36.64% | 8.41 |
| ভারী JPEG কম্প্রেশন | 960 x 540 | 125.58 | 58.95 | 1.29% | 0.01% | 7.45 |
গুরুত্বপূর্ণ: একটি মান একটি পরিমাপ, একটি সার্বজনীন পাস চিহ্ন নয়। সংকুচিত JPEG কেন তা দেখায়: এর বিশ্বব্যাপী পরিমাপ রেফারেন্সের কাছাকাছি থাকে যদিও ভিজ্যুয়াল ব্লক এবং রিংিং আর্টিফ্যাক্ট এখনও উপস্থিত থাকতে পারে।
পুনরুৎপাদনযোগ্য পদ্ধতি
সঠিক রূপান্তর এবং অপরিবর্তনীয় ফাইল ফিঙ্গারপ্রিন্ট
সোর্স SHA-256 হল 2f293e48f7d5d6a08ce9ab759a124e00ce92f2a204cd530284ce7d1f0ecc7c3d. প্রতিটি আউটপুট ডিকোড করা হয়, প্রয়োজনে সাদার উপর কম্পোজিট করা হয়, তার দীর্ঘতম দিকে 512 পিক্সেলের বেশি না করে আনুপাতিকভাবে আকার পরিবর্তন করা হয় এবং সারি ক্রমে নমুনা নেওয়া হয়।
রেফারেন্স এনকোড
মালিকানাধীন সোর্সটিকে 960 x 540-এ আকার পরিবর্তন করুন এবং গুণমান 82-এ WebP হিসাবে এনকোড করুন।
SHA-256: 8c852071b02e03d91eb264655fef14654026fa46dc32e736a2b25c2ab0a1186a
হ্রাসকৃত রেজোলিউশন
একই সোর্সটিকে 320 x 180-এ আকার পরিবর্তন করুন এবং গুণমান 82-এ WebP হিসাবে এনকোড করুন।
SHA-256: 955c0e4e97a7af8564b39733b9654d3294abd07fa014c530ca733d8708000cc0
নরম ফোকাস
960 x 540-এ আকার পরিবর্তন করুন, সিগমা 4.5 সহ একটি গাউসিয়ান ব্লার প্রয়োগ করুন এবং গুণমান 82-এ WebP হিসাবে এনকোড করুন।
SHA-256: e8edf51e0ef2b38916c858fe4aff932b14081d60ebd55552fbfc360586350886
কম এক্সপোজার
আকার পরিবর্তন করে 960 x 540 করুন, RGB চ্যানেলে y = 0.52x - 8 প্রয়োগ করুন, 8-বিট রেঞ্জে ক্ল্যাম্প করুন এবং গুণমান 82-এ WebP হিসাবে এনকোড করুন।
SHA-256: 727172796e3cf8efdefd601d21177321c1bfcfbc458d629a689897aecf442769
উচ্চ এক্সপোজার
আকার পরিবর্তন করে 960 x 540 করুন, RGB চ্যানেলে y = 1.35x + 45 প্রয়োগ করুন, 8-বিট রেঞ্জে ক্ল্যাম্প করুন এবং গুণমান 82-এ WebP হিসাবে এনকোড করুন।
SHA-256: f2b01d592108fea3bb82e888733d89fb7356c307cda00d6d55d587b422da957b
ভারী JPEG কম্প্রেশন
আকার পরিবর্তন করে 960 x 540 করুন এবং 4:2:0 ক্রোমা সাবস্যাম্পলিং সহ গুণমান 15-এ JPEG হিসাবে এনকোড করুন।
SHA-256: cd952c4c50fb78e941a62492e7ef6c3cc2fae96abac7df87aa1f32d4106b97ae
সম্পূর্ণ ডেটাসেট ডাউনলোড করুন
JSON এবং CSV-এ সূত্র, সুযোগ, সীমাবদ্ধতা, রূপান্তর, মাত্রা, বাইট সাইজ, মেট্রিক্স এবং SHA-256 ফিঙ্গারপ্রিন্ট রয়েছে। BibTeX ফাইল একটি স্থায়ী উদ্ধৃতি প্রদান করে।
GIF লুপ প্রমাণ
সাতটি রেফারেন্স ফিক্সচার কাঁচা লুপ-সিম ডেল্টা ব্যাখ্যা করে
স্থানীয় GIF চেকার GIF89a নিষ্পত্তির নিয়ম প্রয়োগ করার পরে প্রথম এবং শেষ প্রদর্শিত ক্যানভাসের তুলনা করে। এই ফিক্সচারগুলি সেই গণনাটিকে পুনরুত্পাদনযোগ্য করে তোলে: অভিন্ন ফ্রেমগুলি 0% পরিমাপ করে, একটি এক-চতুর্থাংশ সাদা পরিবর্তন পরিমাপ করে 18.75%, একটি সম্পূর্ণ কালো থেকে সাদা কাটের পরিমাপ 75%, এবং মালিকানাধীন 27-ফ্রেমের নমুনা 0.002378% পরিমাপ করে৷ একটি উচ্চ মান ইচ্ছাকৃত গতি বা একটি কাটা হতে পারে; এটি একটি মানের গ্রেড নয়।
| রেফারেন্স মামলা | ক্যানভাস | ফ্রেম | আরজিবিএ সীম ডেল্টা | উদ্দেশ্য |
|---|---|---|---|---|
| অভিন্ন প্রথম এবং শেষ ফ্রেম | 4 × 4 | 2 | 0% | জিরো-ডেল্টা নিয়ন্ত্রণ। |
| ইউনিফর্ম RGB 32 দ্বারা শিফট | 4 × 4 | 2 | 9.411765% | আলফা স্থির থাকাকালীন একটি ছোট পুরো-ফ্রেমের রঙ পরিবর্তনের প্রভাব দেখায়। |
| ফুল ফ্রেম কালো থেকে সাদা কাট | 4 × 4 | 2 | 75% | একটি ইচ্ছাকৃত হার্ড কাটা জন্য উচ্চ ডেল্টা নিয়ন্ত্রণ. |
| এক-চতুর্থাংশ স্থানীয় সাদা পরিবর্তন | 4 × 4 | 2 | 18.75% | একটি পূর্ণ-ফ্রেম কাট থেকে স্থানীয় গতির মতো পরিবর্তনকে আলাদা করে। |
| GIF89a রিস্টোর-টু-ব্যাকগ্রাউন্ড ডিসপোজাল | 2 × 1 | 2 | 37.5% | চূড়ান্ত প্যাচ সংমিশ্রিত হওয়ার আগে নিষ্পত্তি প্রকার 2 যাচাই করে। |
| GIF89a পুনরুদ্ধার-টু-পূর্ববর্তী নিষ্পত্তি | 2 × 1 | 2 | 37.5% | চূড়ান্ত প্যাচ সংমিশ্রিত হওয়ার আগে নিষ্পত্তি প্রকার 3 যাচাই করে। |
| মালিকানাধীন 27-ফ্রেম অ্যানিমেশন নমুনা | 320 × 180 | 27 | 0.002378% | বাস্তব অ্যানিমেটেড-GIF রেফারেন্স ডিকোডেড ফ্রেম এবং GIF89a নিষ্পত্তি নিয়ম ব্যবহার করে। |
পদ্ধতি, ফিক্সচার এবং সঠিক ফলাফল পুনরায় ব্যবহার করুন
JSON সূত্র, নিষ্পত্তি শব্দার্থবিদ্যা, রেসিপি, প্রমাণের সীমানা, সীমাবদ্ধতা, এবং মালিকানাধীন নমুনা আঙ্গুলের ছাপ প্রকাশ করে। CSV বিশ্লেষণের জন্য প্রস্তুত এবং BibTeX ফাইলটি একটি স্থিতিশীল উদ্ধৃতি প্রদান করে৷
স্থানীয়ভাবে আপনার নিজের GIF চেষ্টা করুন: খুলুন বিনামূল্যে ব্রাউজার শুধুমাত্র GIF প্রিফ্লাইট. নির্বাচিত ফাইলটি ডিভাইসে থাকে, চেকারের জন্য কোনো সাইন-আপের প্রয়োজন হয় না এবং এর ফাইলের নাম-মুক্ত JSON রিপোর্ট একই পদ্ধতি ব্যবহার করে। এটি GIF প্রজন্মকে বিনামূল্যে বা বেনামী করে না।
গবেষণা ডেটা ক্যাটালগ
সুস্পষ্ট প্রমাণ সীমানা সহ সাতটি পুনঃব্যবহারযোগ্য সম্পদ
এই ক্যাটালগ ইনপুট পরিমাপ, GIF লুপ-বাউন্ডারি প্রমাণ, একক-আউটপুট মানব পর্যালোচনা, মেট্রিক নির্বাচন, অফিসিয়াল-সোর্স পণ্য পর্যালোচনা, API-চুক্তি পর্যালোচনা, এবং চিত্র-পিক্সেল বিশ্লেষণ আলাদা রাখে। একটি প্রমাণের ধরন থেকে অন্যটিতে একটি দাবি স্থানান্তর করার পরিবর্তে আপনি যে নির্দিষ্ট সম্পদ ব্যবহার করেছেন, তার সংস্করণ এবং এর ক্যানোনিকাল URL উল্লেখ করুন। ওয়েবসাইটটি ক্যানোনিকাল এবং একটি প্রকাশ করে CFF উদ্ধৃতি ফাইল, 16-রিসোর্স ডেটা প্যাকেজ, DCAT 3 ক্যাটালগ, এবং 19-ফাইল SHA-256 ম্যানিফেস্ট৷. v1.6.2 রিপোজিটরির ঐতিহাসিক অবস্থা স্বাধীনভাবে সংরক্ষিত রয়েছে একটি Software Heritage স্ন্যাপশট শনাক্তকারী সহ swh:
নিয়ন্ত্রিত ইনপুট-পঠনযোগ্যতা বেঞ্চমার্ক v1.0.0
ছয়টি নিয়ন্ত্রিত চিত্র ভেরিয়েন্ট, পাঁচটি ডিকোডেড-পিক্সেল পরিমাপ, সঠিক রূপান্তর, ফাইল ফিঙ্গারপ্রিন্ট, JSON, CSV এবং BibTeX। ক্যানোনিকাল ডেটাসেট: deepswapai.com/research.
GIF লুপ সিম ডেল্টা রেফারেন্স ফিক্সচার v1.0.0
সাতটি পুনরুত্পাদনযোগ্য প্রথম-থেকে-শেষ কম্পোজিট-ফ্রেম কেস, নিষ্পত্তি প্রকার 2 এবং 3 প্লাস এক মালিকানাধীন 27-ফ্রেমের নমুনা সহ। মানগুলি কাঁচা প্রমাণ, মুখ বা গুণমানের স্কোর নয়। GIF ফিক্সচার ডেটাসেট খুলুন.
ফেস সোয়াপ আউটপুট গুণমান স্কোরকার্ড v1.0.0
স্থানীয় গণনা, পুনঃব্যবহারযোগ্য JSON এবং CSV এবং বায়োমেট্রিক বা প্রদানকারী-স্তরের দাবির উপর স্পষ্ট সীমা সহ একটি পৃথক সাত-মাপদণ্ডের মানব-পর্যালোচনা রুব্রিক। স্কোরকার্ড খুলুন.
ফেস সোয়াপ মূল্যায়ন মেট্রিক সিদ্ধান্ত মানচিত্র v1.1.0
9টি উৎস-উদ্ধৃত মূল্যায়ন পরিবার এবং একটি 3-প্রোটোকল গবেষণা ক্রসওয়াক, প্রতিটি স্পষ্ট ইনপুট, পূর্বশর্ত এবং ব্যাখ্যা সীমানা সহ। কোনো মেট্রিক চালানো হয় না এবং কোনো প্রদানকারীকে স্কোর করা হয় না। মেট্রিক মানচিত্র খুলুন.
উৎস-পরীক্ষিত ফেস সোয়াপ টুল ল্যান্ডস্কেপ v1.0.0
66টি বর্তমান অফিসিয়াল-সোর্স URL দ্বারা সমর্থিত 13টি স্বাভাবিক পণ্য রেকর্ড, দৃশ্যমান অজানা সহ এবং কোনো আউটপুট-গুণমান র্যাঙ্কিং নেই। তুলনা ডেটাসেট খুলুন.
ফেস সোয়াপ API চুক্তি ল্যান্ডস্কেপ v1.0.0
21টি বর্তমান অফিসিয়াল-সোর্স URL দ্বারা সমর্থিত 6টি স্বাভাবিক API রেকর্ড। এটি একটি জেনারেশন অনুরোধ চালানো বা প্রদানকারীদের র্যাঙ্কিং না করে বেমানান মূল্য ইউনিট এবং অফিসিয়াল-সোর্স দ্বন্দ্ব সংরক্ষণ করে। API চুক্তি ডেটাসেট খুলুন.
অফিসিয়াল ডেমোনস্ট্রেশন প্যানেল অডিট v1.0.0
তিনটি সারিবদ্ধ ডিকোডেড-পিক্সেল অঞ্চল, সঠিক ক্রপ স্থানাঙ্ক, সূত্র, উৎস ফিঙ্গারপ্রিন্ট, JSON, CSV এবং BibTeX। এটি একটি ইলাস্ট্রেশন পরিমাপ করে এবং একটি জেনারেটেড আউটপুট স্কোর করে না। আগে-পরে অডিট খুলুন.
ক্যানোনিকাল গবেষণা ক্যাটালগ ডাউনলোড করুন
JSON-LD সাতটি ডেটাসেট, তাদের প্রমাণের সীমানা, ক্যানোনিকাল রেকর্ড, লাইসেন্স, উদ্ধৃতি এবং বিতরণ বর্ণনা করে। CSV ট্যাবুলার টুলের জন্য একই ইনভেন্টরি প্রদান করে।
উদ্ধৃতি এবং পুনঃব্যবহার: “DeepSwapAI নিয়ন্ত্রিত চিত্র ইনপুট-পড়তা বেঞ্চমার্ক v1, https://deepswapai.com/research”. দ্য JSON, CSV, সূত্র, রূপান্তর এবং পরিমাপ মেটাডেটা ব্যবহার করে” উদ্ধৃত করুন CC BY 4.0. উল্লেখিত নমুনা চিত্রগুলি DeepSwapAI-এর মালিকানাধীন থাকে এবং সম্পর্কহীন পুনঃব্যবহারের জন্য পুনরায় লাইসেন্স করা হয় না।
ব্যাখ্যা সীমানা
পরীক্ষা কী প্রতিষ্ঠা করে এবং কী অজানা থাকে
রেজোলিউশন স্পষ্ট
পিক্সেল মাত্রা এবং ফাইল সাইজ সঠিক বৈশিষ্ট্য। একটি ছোট চিত্র আপস্কেল করলে মাত্রা পরিবর্তন হয় কিন্তু অনুপস্থিত পরিচয় বিবরণ পুনর্গঠন করতে পারে না।
এক্সপোজার পরিমাপযোগ্য ক্লিপিং ফেলে
নিয়ন্ত্রিত উজ্জ্বল ভেরিয়েন্ট নমুনা পিক্সেলের ৩৬.৬৪% হাইলাইট-ক্লিপিং রেঞ্জে নিয়ে যায়। এটি হারানো ইনপুট রেঞ্জ স্থাপন করে, পূর্বাভাসিত আউটপুট ত্রুটি নয়।
ব্লার স্থানীয় প্রান্ত পরিবর্তন কমায়
সফট-ফোকাস ভেরিয়েন্ট সংলগ্ন-প্রান্ত পার্থক্য 7.74 থেকে 2.68 এ কমায়। মেট্রিকটি দৃশ্য-ব্যাপী এবং একটি মুখকে বিচ্ছিন্ন করে না।
কম্প্রেশনের ভিজ্যুয়াল পর্যালোচনা প্রয়োজন
ভারী JPEG কম্প্রেশন স্থানীয় আর্টিফ্যাক্ট তৈরি করার সময় গ্লোবাল গড় সংরক্ষণ করতে পারে। একটি প্রযুক্তিগত প্রিফ্লাইট অবশ্যই কয়েকটি মেট্রিককে মিথ্যা গুণমান স্কোরে পরিণত করবে না।
সীমাবদ্ধতা: একটি উৎস দৃশ্য একটি জনসংখ্যা নয়। বিশ্লেষক মুখ, পরিচয়, সম্মতি, ভঙ্গি, অভিব্যক্তি, দৃষ্টি, চুল, অবরোধ বা মডেল আচরণ সনাক্ত করে না। এটি বাস্তবতা, নির্ভুলতা, প্রক্রিয়াকরণ সাফল্য, পছন্দ বা চূড়ান্ত রপ্তানি গুণমান ভবিষ্যদ্বাণী করতে পারে না।
ইনপুট প্রমাণ থেকে আউটপুট পর্যালোচনা
জেনারেশনের পরে একটি পৃথক প্রোটোকল ব্যবহার করুন
ইনপুট পরিমাপ এবং আউটপুট পর্যবেক্ষণ বিভিন্ন প্রশ্নের উত্তর দেয়। একটি প্রতিনিধিত্বমূলক ফলাফল তৈরি করার পরে, একটি আউটপুটকে মডেল-ব্যাপী দাবিতে পরিণত না করে পরিচয়, মিশ্রণ, ভঙ্গি, আলো, অবরোধ, প্রযুক্তিগত অখণ্ডতা এবং অস্থায়ী স্থিতিশীলতা নথিভুক্ত করতে ফেস সোয়াপ গুণমান স্কোরকার্ড ব্যবহার করুন।
গবেষণা প্রশ্ন
প্রমাণ অতিকথন না করে উত্তর
এই বেঞ্চমার্ক কি ফেস সোয়াপ আউটপুট গুণমান পরিমাপ করে?
না। এটি শুধুমাত্র নিয়ন্ত্রিত ইনপুট-ইমেজ বৈশিষ্ট্য পরিমাপ করে। কোনো ফেস সোয়াপ আউটপুট তৈরি, স্কোর বা তুলনা করা হয়নি।
এটি কি একটি বাস্তবসম্মত ফলাফলের পূর্বাভাস দিতে পারে?
না। পরিমাপগুলি জেনারেশন মডেল, পরিচয়, ভঙ্গি, অভিব্যক্তি, অবরোধ বা আউটপুট পর্যবেক্ষণ করে না।
কেন একটি সংকুচিত নমুনা প্রকাশ করবেন যা টেবিলে একই রকম দেখায়?
কারণ এটি একটি বাস্তব সীমাবদ্ধতা প্রকাশ করে: গ্লোবাল সমষ্টিগত পরিমাপ স্থানীয় JPEG আর্টিফ্যাক্ট মিস করতে পারে।
আমি কোথায় আমার নিজের চিত্র পরীক্ষা করতে পারি?
স্থানীয় পঠনযোগ্যতা পরীক্ষক ব্যবহার করুন। এটি আপনার ব্রাউজারে নির্বাচিত চিত্র আপলোড না করেই একই পাঁচটি পরিমাপ সংজ্ঞা প্রয়োগ করে।
আমি কীভাবে ডেটা উদ্ধৃত বা পুনঃব্যবহার করতে পারি?
ডাউনলোডযোগ্য BibTeX রেকর্ড বা দৃশ্যমান অ্যাট্রিবিউশন বিবৃতি ব্যবহার করুন। পরিমাপ ডেটা এবং মেটাডেটা CC BY 4.0 ব্যবহার করে; উল্লেখিত নমুনা চিত্রগুলি DeepSwapAI-এর মালিকানাধীন থাকে।
আপলোড না করেই আপনার নিজের ইনপুট পরিমাপ করুন
স্থানীয় পরীক্ষক খুলুন, প্রতিটি মেট্রিক এবং সতর্কতা পরিদর্শন করুন, তারপর ক্ষুদ্রতম প্রতিনিধিত্বমূলক জেনারেশন পরীক্ষা করুন।