செயற்கை நுண்ணறிவு (AI) உலகில் மற்றொரு பிரம்மாண்டமான மைல்கல் எட்டப்பட்டுள்ளது. கணினி பார்வைத்திறன் (Computer Vision) துறையின் முன்னணி முன்னோடியான ஃபை-ஃபை லி (Fei-Fei Li) என்பவரால் தொடங்கப்பட்ட வேர்ல்ட் லேப்ஸ் (World Labs) நிறுவனம், தனது கனவுத் திட்டமான ‘அட்லாஸ்’ (Atlas) என்ற புதிய AI மாடலை அதிகாரப்பூர்வமாக வெளியிட்டிருக்கிறது.
இதுவரை உரை (Text), படம் (Images) மற்றும் வீடியோக்களை (Video) தனத்தனியாகக் கையாண்ட மாடல்களுக்கு மத்தியில், 3D உலகத்தை அடியில் இருந்து புரிந்து கொள்ளும் “வெளிசார் நுண்ணறிவு” (Spatial Intelligence) கொண்ட முதல் ஒருங்கிணைந்த மாடலாக அட்லாஸ் திகழ்கிறது.
‘ஓம்னி மாடல்’ (Omni Model) என்றால் என்ன?
சாதாரண AI வீடியோ மாடல்கள், ஏற்கனவே இருக்கும் படங்கள் அல்லது உரைகளை இணைத்து (Bolted Together) வீடியோவை உருவாக்கும். ஆனால், அட்லாஸ் முற்றிலும் புதிய முறையில் அடிமட்டத்தில் (Scratch) இருந்து பயிற்சியளிக்கப்பட்ட “Multimodal Autoregressive Diffusion Transformer” மாடலாகும்.
இது உரை, படங்கள், வீடியோக்கள் மற்றும் 3D முப்பரிமாணக் தரவுகளை ஒரே நேரத்தில் ஒரே மாதிரியான அமைப்பில் புரிந்துகொள்கிறது. இதனால் ஒரு காட்சி உருவாகும்போது, அதிலுள்ள பொருள்களின் ஆழம் (Depth) மற்றும் முப்பரிமாண வடிவியல் (Geometry) துல்லியமாக மாடலின் மனக்கண்ணில் பதிகிறது.
அட்லாஸின் வியக்கவைக்கும் தொழில்நுட்ப சிறப்பம்சங்கள்
1. முழுமையான கேமரா கட்டுப்பாடு (Pixel-Perfect Camera Control)
-
பயனர்கள் தாங்கள் விரும்பும் கேமரா பாதையை (Camera Path) வரைந்து கொடுத்தால், அதற்கு ஏற்ப காட்சிகளை மாற்றியமைக்கிறது.
-
ஒரு ஒற்றைப் படத்தைக் (Single Image) கொண்டு, 1440p உயர் தெளிவுத்திறனில் (Resolution) ஒரு நிமிடம் வரை நீடிக்கும் வீடியோவை அட்லாஸ் உருவாக்குகிறது.
-
கேமராவை எந்தக் கோணத்தில் திருப்பினாலும் பின்னணி மற்றும் பொருள்கள் மாறாமல் தத்ரூபமாக இருக்கும்.
2. ஒற்றைப் படத்தில் 3D உலக வடிவமைப்பு
-
ஒரு சாதாரண 2D படத்தை உள்ளீடாகக் கொடுத்தால் போதும்; அது காட்சிப் பொருளின் பின்புறம் மற்றும் மறைக்கப்பட்ட பகுதிகளை AI தனது நுண்ணறிவால் யூகித்து முப்பரிமாண அமைப்பாக மாற்றுகிறது.
-
3D Gaussian Splats, Point Clouds மற்றும் Real Geometry போன்ற தொழில்முறை 3D வடிவங்களை இது நேரடியாக ஏற்றுமதியும் (Export) செய்யக்கூடியது.
சோதனைகளில் பெற்ற அபார வெற்றி
வேர்ல்ட் லேப்ஸ் நடத்திய ஒப்பீட்டுச் சோதனைகளில் அட்லாஸ் மாடல் மற்ற முன்னணி தொழில்நுட்பங்களை விட வெகுவாக முந்தியுள்ளது:
-
மனித மதிப்பீட்டாளர்களின் தேர்வு: கேமரா கட்டுப்பாட்டுத் திறனில், சந்தையிலுள்ள பிற மாடல்களுடன் ஒப்பிடுகையில் 75% முதல் 93% வரை மனித மதிப்பீட்டாளர்கள் அட்லாஸ் உருவாக்கிய வீடியோக்களையே சிறந்ததாகத் தேர்ந்தெடுத்துள்ளனர்.
-
3D மறுஉருவாக்கம் (Reconstruction): முப்பரிமாணக் காட்சிகளை மீட்டெடுப்பதில் (3D Reconstruction) அட்லாஸ், சிறப்புப் பயிற்சி பெற்ற 5 முதன்மைத் தொழில்முறை மாடல்களை (Specialized Baselines) விட மிகச் சிறந்த முடிவுகளைத் தந்துள்ளது.
எதிர்காலப் பயன்பாடுகள்: திரையுலகம் முதல் ரோபாட்டிக்ஸ் வரை
-
திரைப்படம் மற்றும் கேமிங்: திரைப்பட இயக்குநர்கள் மற்றும் கேம் வடிவமைப்பாளர்கள் தங்களின் கற்பனைக் காட்சிகளை மிகச் செலவில்லாமல் 3D சூழலாக மாற்றி, விரும்பிய கோணத்தில் கேமராவை இயக்கிப் படமாக்க முடியும்.
-
ரோபாட்டிக்ஸ் பயிற்சி (Robotics Training): நிஜ உலகின் ஒரு புகைப்படத்தை வைத்து முழு 3D உலகை உருவாக்கி, அதற்குள் ரோபோக்களை இயக்கிப் பார்க்கவும், அவற்றிற்கு விர்ச்சுவல் முறையில் பயிற்சி அளிக்கவும் (Sim-to-Real) இது பெரிதும் உதவும்.
தற்போது அட்லாஸ் மாடலானது, தேர்ந்தெடுக்கப்பட்ட வணிகக் கூட்டாளர்களுக்கு மட்டும் ‘முன்னோட்டப் பயன்பாட்டிற்கு’ (Early Access) வழங்கப்பட்டுள்ளது. விரைவில் இது பொதுப் பயன்பாட்டிற்கு வரும்போது, செயற்கை நுண்ணறிவு மற்றும் 3D உலகின் எல்லைகள் முற்றிலும் மாறுபடும் என்பது உறுதி!
Related Posts
ஹாலிவுட் தரத்தை எளிதாக்கும் சோரா 2.0:ஏஐ வீடியோ துறையின் புதிய பரிமாணம்!
செயற்கை நுண்ணறிவுத் துறையின் புதிய திருப்புமுனை:ஜெமினி 3.8 ஃபிளாஷ் மற்றும் சைபர் ஏஐ!
GPT-6 Astra: வேலை செய்யும் AI-யா…முடிவு எடுக்கும் AI-யா?