6 کنٹرولڈ نمونے
حوالہ، کم ریزولوشن، نرم فوکس، کم نمائش، زیادہ نمائش، اور بھاری JPEG کمپریشن۔
اصل ان پٹ تحقیق
فیس سوئپ ان پٹ ریڈینس بینچ مارک
ایک ملکیتی سورس امیج، چھ کنٹرولڈ ویریئنٹس، پانچ شفاف پکسل پیمائشیں، اور صفر تیار کردہ آؤٹ پٹ دعوے۔ ڈیٹا کو یہ سمجھنے کے لیے استعمال کریں کہ اپ لوڈ سے پہلے پری فلائٹ چیکر کیا پیمائش کر سکتا ہے اور کیا پیش گوئی نہیں کر سکتا۔
براہ راست جواب
یہ ایک ان پٹ اسٹریس ٹیسٹ ہے، AI درستگی لیڈر بورڈ نہیں
تجربہ ایک ہی DeepSwapAI کی ملکیتی سورس کریٹیو کے ارد گرد ایک وقت میں ایک متغیر فیملی کو تبدیل کرتا ہے۔ یہ ڈی کوڈڈ پکسل پیمائشیں اور صحیح تبدیلیاں شائع کرتا ہے۔ یہ فیس سوئپ نہیں چلاتا، ماڈلز کا موازنہ نہیں کرتا، شناخت کی مماثلت کا اندازہ نہیں لگاتا، یا معیار کا فاتح قرار نہیں دیتا۔
5 پکسل پیمائشیں
اوسط لومینینس، کنٹراسٹ معیاری انحراف، ڈارک کلپنگ، ہائی لائٹ کلپنگ، اور ملحقہ ایج فرق۔
0 آؤٹ پٹ دعوے
کوئی تیار کردہ تصویر، کامیابی کی شرح، حقیقت پسندی کا اسکور، شناخت کا اسکور، رفتار کا نتیجہ، یا پروڈکٹ کی درجہ بندی نہیں۔
کنٹرولڈ ویریئنٹس
پیمائشوں کے پیچھے صحیح امیج سیٹ دیکھیں
ہر پلیٹ ایک ہی سورس اثاثے سے ماخوذ ہے۔ بصری معائنہ ضروری رہتا ہے کیونکہ مجموعی میٹرکس ہر مقامی آرٹیفیکٹ نہیں دکھا سکتے۔
پیمائش شدہ ڈیٹا
زیادہ سے زیادہ 512 پکسل تجزیہ سائیڈ پر ڈی کوڈڈ پکسل پیمائشیں
لومینینس Rec. 709 کوفیشینٹس استعمال کرتا ہے۔ ڈارک کلپنگ 10 یا اس سے کم لومینینس گنتی ہے؛ ہائی لائٹ کلپنگ 245 یا اس سے زیادہ لومینینس گنتی ہے۔ ایج فرق افقی اور عمودی پڑوسی پکسلز میں اوسط مطلق لومینینس فرق ہے۔
| ویریئنٹ | طول و عرض | اوسط روشنی | کنٹراسٹ SD | ڈارک کلپڈ | لائٹ کلپڈ | ایج فرق |
|---|---|---|---|---|---|---|
| حوالہ انکوڈ | 960 x 540 | 125.82 | 58.95 | 1.22% | 0% | 7.74 |
| کم ریزولوشن | 320 x 180 | 126.22 | 58.81 | 1.1% | 0.01% | 10.55 |
| نرم فوکس | 960 x 540 | 124.8 | 55.19 | 0.16% | 0% | 2.68 |
| کم نمائش | 960 x 540 | 57.18 | 30.37 | 9.22% | 0% | 3.87 |
| زیادہ نمائش | 960 x 540 | 197.15 | 62.53 | 0% | 36.64% | 8.41 |
| بھاری JPEG کمپریشن | 960 x 540 | 125.58 | 58.95 | 1.29% | 0.01% | 7.45 |
اہم: ایک قدر ایک پیمائش ہے، عالمگیر پاس مارک نہیں۔ کمپریسڈ JPEG اس کی وجہ بتاتا ہے: اس کی عالمی پیمائشیں حوالہ کے قریب رہتی ہیں حالانکہ بصری بلاک اور رنگنگ آرٹیفیکٹس اب بھی موجود ہو سکتے ہیں۔
تولیدی طریقہ
صحیح تبدیلیاں اور ناقابل تغیر فائل فنگر پرنٹس
ماخذ SHA-256 ہے 2f293e48f7d5d6a08ce9ab759a124e00ce92f2a204cd530284ce7d1f0ecc7c3d۔ ہر آؤٹ پٹ کو ڈی کوڈ کیا جاتا ہے، اگر ضرورت ہو تو سفید پر کمپوزٹ کیا جاتا ہے، اس کے سب سے لمبے سائیڈ پر 512 پکسلز سے زیادہ نہ ہونے کے لیے متناسب طور پر ری سائز کیا جاتا ہے، اور قطار کی ترتیب میں نمونہ لیا جاتا ہے۔
حوالہ انکوڈ
ملکیتی سورس کو 960 x 540 پر ری سائز کریں اور WebP کے طور پر کوالٹی 82 پر انکوڈ کریں۔
SHA-256: 8c852071b02e03d91eb264655fef14654026fa46dc32e736a2b25c2ab0a1186a
کم ریزولوشن
اسی سورس کو 320 x 180 پر ری سائز کریں اور WebP کے طور پر کوالٹی 82 پر انکوڈ کریں۔
SHA-256: 955c0e4e97a7af8564b39733b9654d3294abd07fa014c530ca733d8708000cc0
نرم فوکس
960 x 540 پر ری سائز کریں، سگما 4.5 کے ساتھ گاوسی بلر لگائیں، اور WebP کے طور پر کوالٹی 82 پر انکوڈ کریں۔
SHA-256: e8edf51e0ef2b38916c858fe4aff932b14081d60ebd55552fbfc360586350886
کم نمائش
960 x 540 پر ری سائز کریں، RGB چینلز پر y = 0.52x - 8 لگائیں، 8 بٹ رینج پر کلیمپ کریں، اور WebP کے طور پر کوالٹی 82 پر انکوڈ کریں۔
SHA-256: 727172796e3cf8efdefd601d21177321c1bfcfbc458d629a689897aecf442769
زیادہ نمائش
960 x 540 پر ری سائز کریں، RGB چینلز پر y = 1.35x + 45 لگائیں، 8 بٹ رینج پر کلیمپ کریں، اور WebP کے طور پر کوالٹی 82 پر انکوڈ کریں۔
SHA-256: f2b01d592108fea3bb82e888733d89fb7356c307cda00d6d55d587b422da957b
بھاری JPEG کمپریشن
960 x 540 پر ری سائز کریں اور JPEG کے طور پر کوالٹی 15 پر 4:2:0 کرومہ سب سیمپلنگ کے ساتھ انکوڈ کریں۔
SHA-256: cd952c4c50fb78e941a62492e7ef6c3cc2fae96abac7df87aa1f32d4106b97ae
مکمل ڈیٹا سیٹ ڈاؤن لوڈ کریں
JSON اور CSV میں فارمولے، دائرہ کار، حدود، تبدیلیاں، طول و عرض، بائٹ سائز، میٹرکس، اور SHA-256 فنگر پرنٹس شامل ہیں۔ BibTeX فائل ایک مستحکم حوالہ فراہم کرتی ہے۔
GIF لوپ ثبوت
سات ریفرنس فکسچر خام لوپ سیون ڈیلٹا کی وضاحت کرتے ہیں۔
مقامی GIF چیکر GIF89a کو ضائع کرنے کے قواعد کو لاگو کرنے کے بعد پہلے اور آخری ڈسپلے شدہ کینوس کا موازنہ کرتا ہے۔ یہ فکسچر اس حساب کو دوبارہ پیدا کرنے کے قابل بناتے ہیں: ایک جیسے فریم کی پیمائش 0%، ایک چوتھائی سفید تبدیلی کی پیمائش 18.75%، مکمل سیاہ سے سفید کٹ کی پیمائش 75%، اور ملکیت والے 27 فریم کے نمونے کی پیمائش 0.002378% ہے۔ زیادہ قدر جان بوجھ کر حرکت یا کٹائی ہو سکتی ہے۔ یہ معیار کا درجہ نہیں ہے۔
| ریفرنس کیس | کینوس | فریم | آر جی بی اے سیون ڈیلٹا | مقصد |
|---|---|---|---|---|
| ایک جیسے پہلے اور آخری فریم | 4 × 4 | 2 | 0% | زیرو ڈیلٹا کنٹرول۔ |
| یونیفارم RGB شفٹ 32 | 4 × 4 | 2 | 9.411765% | الفا مستقل رہنے کے دوران چھوٹے پورے فریم کے رنگ کی تبدیلی کا اثر دکھاتا ہے۔ |
| مکمل فریم سیاہ سے سفید کٹ | 4 × 4 | 2 | 75% | جان بوجھ کر سخت کٹ کے لیے ہائی ڈیلٹا کنٹرول۔ |
| ایک چوتھائی مقامی سفید تبدیلی | 4 × 4 | 2 | 18.75% | مقامی حرکت جیسی تبدیلی کو پورے فریم کٹ سے الگ کرتا ہے۔ |
| GIF89a بحالی سے پس منظر میں ضائع کرنا | 2 × 1 | 2 | 37.5% | حتمی پیچ کے مرکب ہونے سے پہلے ڈسپوزل ٹائپ 2 کی تصدیق کرتا ہے۔ |
| GIF89a سابقہ ڈسپوزل کو بحال کریں۔ | 2 × 1 | 2 | 37.5% | حتمی پیچ کے مرکب ہونے سے پہلے ڈسپوزل ٹائپ 3 کی تصدیق کرتا ہے۔ |
| 27 فریم اینیمیشن نمونہ کی ملکیت | 320 × 180 | 27 | 0.002378% | اصلی اینیمیٹڈ-GIF حوالہ ڈی کوڈ شدہ فریمز اور GIF89a ڈسپوزل رولز کا استعمال کرتے ہوئے۔ |
طریقہ، فکسچر، اور عین مطابق نتائج کو دوبارہ استعمال کریں۔
JSON فارمولہ، ڈسپوزل سیمنٹکس، ترکیبیں، ثبوت کی حد، حدود، اور ملکیتی نمونہ فنگر پرنٹ شائع کرتا ہے۔ CSV تجزیہ کے لیے تیار ہے اور BibTeX فائل ایک مستحکم حوالہ فراہم کرتی ہے۔
مقامی طور پر اپنا GIF آزمائیں: کھولیں مفت براؤزر صرف GIF پری فلائٹ. منتخب فائل ڈیوائس پر رہتی ہے، چیکر کے لیے کسی سائن اپ کی ضرورت نہیں ہے، اور اس کی فائل نام سے پاک JSON رپورٹ بھی یہی طریقہ استعمال کرتی ہے۔ یہ GIF نسل کو آزاد یا گمنام نہیں بناتا ہے۔
ریسرچ ڈیٹا کیٹلاگ
واضح ثبوت کی حدود کے ساتھ سات دوبارہ قابل استعمال اثاثے۔
یہ کیٹلاگ ان پٹ پیمائش، GIF لوپ باؤنڈری ثبوت، سنگل آؤٹ پٹ ہیومن ریویو، میٹرک سلیکشن، آفیشل سورس پروڈکٹ کا جائزہ، API-معاہدے کا جائزہ، اور عکاسی-پکسل تجزیہ کو الگ رکھتا ہے۔ دعویٰ کو ایک ثبوت کی قسم سے دوسری قسم میں منتقل کرنے کے بجائے اپنے استعمال کردہ مخصوص اثاثہ، اس کے ورژن، اور اس کے کینونیکل URL کا حوالہ دیں۔ ویب سائٹ کیننیکل ہے اور شائع کرتی ہے۔ CFF حوالہ فائل, 16 وسائل کا ڈیٹا پیکج, DCAT 3 کیٹلاگ، اور 19 فائل SHA-256 مینی فیسٹ. تاریخی v1.6.2 ریپوزٹری کی حالت ایک میں آزادانہ طور پر محفوظ رہتی ہے Software Heritage سنیپ شاٹ شناخت کنندہ کے ساتھ swh:
کنٹرولڈ انپٹ ریڈینس بینچ مارک v1.0.0
چھ کنٹرول شدہ امیج ویریئنٹس، پانچ ڈی کوڈڈ پکسل پیمائشیں، درست تبدیلیاں، فائل فنگر پرنٹس، JSON، CSV، اور BibTeX۔ کینونیکل ڈیٹا سیٹ: deepswapai.com/research.
GIF لوپ سیون ڈیلٹا ریفرنس فکسچر v1.0.0
سات تولیدی پہلے سے آخری مرکب فریم کیسز، بشمول ڈسپوزل اقسام 2 اور 3 کے علاوہ ایک ملکیتی 27 فریم کا نمونہ۔ اقدار خام ثبوت ہیں، چہرے یا معیار کے اسکور نہیں۔ GIF فکسچر ڈیٹاسیٹ کھولیں۔.
فیس سویپ آؤٹ پٹ کوالٹی اسکور کارڈ v1.0.0
مقامی حساب، دوبارہ قابل استعمال JSON اور CSV، اور بائیو میٹرک یا پرووائیڈر سطح کے دعوؤں پر واضح حدود کے ساتھ ایک علیحدہ سات معیار کا انسانی جائزہ ربرک۔ اسکور کارڈ کھولیں.
فیس سویپ ایویلیوایشن میٹرک ڈیسیژن میپ v1.1.0
9 سورس سے حوالہ شدہ ایویلیوایشن فیملیز کے علاوہ ایک 3-پروٹوکول ریسرچ کراس واک، ہر ایک واضح ان پٹس، پیشگی شرائط، اور تشریحی حدود کے ساتھ۔ کوئی میٹرک نہیں چلایا گیا اور کسی پرووائیڈر کو اسکور نہیں کیا گیا۔ میٹرک میپ کھولیں.
ماخذ سے تصدیق شدہ چہرہ تبدیل کرنے والے ٹول کا منظر نامہ v1.0.0
66 موجودہ سرکاری ماخذ یو آر ایلز کے ذریعے معاونت یافتہ 13 نارملائزڈ پروڈکٹ ریکارڈز، جن میں نامعلوم چیزیں نظر آتی ہیں اور آؤٹ پٹ کوالٹی کی کوئی درجہ بندی نہیں ہے۔ موازنہ ڈیٹا سیٹ کھولیں.
چہرہ تبدیل کریں API معاہدہ کا منظر نامہ v1.0.0
21 موجودہ سرکاری ماخذ یو آر ایلز کے ذریعے معاہدہ API کے 6 نارملائزڈ ریکارڈز۔ یہ جنریشن کی درخواست چلائے بغیر یا فراہم کنندگان کی درجہ بندی کیے بغیر، غیر مطابقت پذیر قیمت کی اکائیوں اور سرکاری ماخذ کے تضادات کو محفوظ رکھتا ہے۔ API معاہدہ ڈیٹا سیٹ کھولیں.
سرکاری مظاہرہ پینل آڈٹ v1.0.0
تین سیدھ میں لائے گئے ڈی کوڈ شدہ پکسل والے علاقے، درست کراپ کوآرڈینیٹس، فارمولے، ماخذ فنگر پرنٹ، JSON، CSV، اور BibTeX۔ یہ ایک مثال کی پیمائش کرتا ہے اور پیدا شدہ آؤٹ پٹ کو اسکور نہیں کرتا۔ پہلے اور بعد کا آڈٹ کھولیں.
کینونیکل ریسرچ کیٹلاگ ڈاؤن لوڈ کریں
JSON-LD تمام سات ڈیٹاسیٹس، ان کے شواہد کی حدود، کینونیکل ریکارڈ، لائسنس، حوالہ جات اور تقسیم کی وضاحت کرتا ہے۔ CSV ٹیبلر ٹولز کے لیے وہی انوینٹری فراہم کرتا ہے۔
حوالہ اور دوبارہ استعمال: حوالہ دیں “DeepSwapAI کنٹرولڈ امیج ان پٹ ریڈینیس بینچ مارک v1، https://deepswapai.com/research”. دی JSON، CSV، فارمولے، تبدیلیاں، اور پیمائش میٹا ڈیٹا استعمال کرتے ہیں CC BY 4.0۔ حوالہ شدہ نمونے کی تصاویر DeepSwapAI کی ملکیت رہتی ہیں اور غیر متعلقہ دوبارہ استعمال کے لیے دوبارہ لائسنس یافتہ نہیں ہیں۔
تشریح کی حد
تجربہ کیا ثابت کرتا ہے اور کیا نامعلوم رہتا ہے
ریزولوشن واضح ہے
پکسل کے طول و عرض اور فائل کا سائز درست خصوصیات ہیں۔ چھوٹی تصویر کو اپ اسکیل کرنے سے طول و عرض تبدیل ہوتے ہیں لیکن گمشدہ شناختی تفصیل دوبارہ تعمیر نہیں کر سکتے۔
ایکسپوزر قابل پیمائش کلپنگ چھوڑتا ہے
کنٹرول شدہ روشن ویرینٹ نمونے کے 36.64% پکسلز کو ہائی لائٹ کلپنگ رینج میں منتقل کرتا ہے۔ یہ کھوئی ہوئی ان پٹ رینج قائم کرتا ہے، پیش گوئی کردہ آؤٹ پٹ خرابی نہیں۔
بلر مقامی کنارے کی تبدیلی کو کم کرتا ہے
سافٹ فوکس ویرینٹ ملحقہ کنارے کے فرق کو 7.74 سے 2.68 تک کم کر دیتا ہے۔ میٹرک منظر بھر میں ہے اور چہرے کو الگ نہیں کرتا۔
کمپریشن کو بصری جائزے کی ضرورت ہے
بھاری JPEG کمپریشن عالمی اوسط کو محفوظ رکھ سکتا ہے جبکہ مقامی نمونے بنا سکتا ہے۔ تکنیکی پری فلائٹ کو چند میٹرکس کو جھوٹے کوالٹی اسکور میں تبدیل نہیں کرنا چاہیے۔
حدود: ایک ماخذ منظر آبادی نہیں ہے۔ تجزیہ کار چہروں، شناخت، رضامندی، پوز، اظہار، نگاہ، بالوں، رکاوٹ، یا ماڈل کے رویے کا پتہ نہیں لگاتا۔ یہ حقیقت پسندی، درستگی، پروسیسنگ کی کامیابی، ترجیح، یا حتمی برآمد کے معیار کی پیش گوئی نہیں کر سکتا۔
ان پٹ ثبوت سے آؤٹ پٹ جائزے تک
جنریشن کے بعد ایک علیحدہ پروٹوکول استعمال کریں
ان پٹ پیمائش اور آؤٹ پٹ مشاہدات مختلف سوالوں کے جواب دیتے ہیں۔ نمائندہ نتیجہ پیدا کرنے کے بعد، چہرہ تبدیل کرنے والے کوالٹی اسکور کارڈ کا استعمال کرتے ہوئے شناخت، ملاپ، پوز، روشنی، رکاوٹ، تکنیکی سالمیت، اور وقتی استحکام کو دستاویز کریں بغیر کسی ایک آؤٹ پٹ کو ماڈل بھر کے دعوے میں تبدیل کیے۔
تحقیقی سوالات
ثبوت کو بڑھا چڑھا کر پیش کیے بغیر جوابات
کیا یہ بینچ مارک فیس سوئپ آؤٹ پٹ کے معیار کی پیمائش کرتا ہے؟
نہیں۔ یہ صرف کنٹرولڈ ان پٹ امیج خصوصیات کی پیمائش کرتا ہے۔ کوئی فیس سوئپ آؤٹ پٹ تیار، اسکور یا موازنہ نہیں کیا گیا۔
کیا یہ حقیقت پسندانہ نتیجہ کی پیش گوئی کر سکتا ہے؟
نہیں۔ پیمائشیں جنریشن ماڈل، شناخت، پوز، اظہار، رکاوٹ، یا آؤٹ پٹ کا مشاہدہ نہیں کرتیں۔
ٹیبل میں ایک جیسا نظر آنے والا کمپریسڈ نمونہ کیوں شائع کریں؟
کیونکہ یہ ایک حقیقی حد کو بے نقاب کرتا ہے: عالمی مجموعی پیمائش مقامی JPEG نمونے سے محروم رہ سکتی ہے۔
میں اپنی تصویر کہاں جانچ سکتا ہوں؟
مقامی ریڈینس چیکر استعمال کریں۔ یہ آپ کے براؤزر میں منتخب تصویر کو اپ لوڈ کیے بغیر وہی پانچ پیمائشی تعریفیں لاگو کرتا ہے۔
میں ڈیٹا کا حوالہ یا دوبارہ استعمال کیسے کر سکتا ہوں؟
ڈاؤن لوڈ کے قابل BibTeX ریکارڈ یا نظر آنے والے انتساب بیان کا استعمال کریں۔ پیمائش کا ڈیٹا اور میٹا ڈیٹا CC BY 4.0 کے تحت ہے؛ حوالہ کردہ نمونے کی تصاویر DeepSwapAI کی ملکیت رہتی ہیں۔
اپنے ان پٹ کو اپ لوڈ کیے بغیر پیمائش کریں
مقامی چیکر کھولیں، ہر میٹرک اور انتباہ کا معائنہ کریں، پھر سب سے چھوٹا نمائندہ جنریشن ٹیسٹ بنائیں۔