মাইক্রোসফট রিসার্চ স্বয়ংক্রিয়ভাবে "স্মার্ট" ক্যাপশন তৈরি করতে সক্ষম একটি সিস্টেম তৈরি করে

অবশ্যই আপনি এমন একটি ক্যাপশন দেখেছেন যা বিভ্রান্তিকর, ভুল বা যে ছবিটিকে নির্দেশ করে সে সম্পর্কে সামান্য কিছু বলে; এবং এটাও সম্ভব যে, আপনি যদি নিজের নিবন্ধ প্রকাশের জন্য নিজেকে উৎসর্গ করেন, তাহলে আপনি এটি সবচেয়ে বেশি ক্লান্তিকর এই বিভাগটি পূরণ করতে পারেন। ঠিক আছে, রেডমন্ডের লোকেরা একটি টুল তৈরি করেছে যার লক্ষ্য আপনার জন্য জিনিসগুলিকে সহজ করা৷

Microsoft রিসার্চ দ্বারা প্রকাশিত একটি কাজ যা নিজেকে একটি "ক্যাপশন জেনারেশন সিস্টেম" হিসাবে বর্ণনা করে যা মানুষের ভাষার বর্ণনামূলক বৈশিষ্ট্য অনুকরণ করতে সক্ষম, অর্থাৎ এমন একটি প্রযুক্তি যা স্ক্রিনশটগুলিকে আমাদের একজনের মতো বর্ণনা করতে পারে, এর সংশ্লিষ্ট প্রেক্ষাপটের সাথে।ফেসবুক, মাইক্রোসফ্ট এবং গুগলের মতো কোম্পানিগুলো কিছু সময় ধরে কাজ করছে, কিন্তু এবার তা প্রত্যাশা ছাড়িয়ে গেছে।

এতে কি আছে

তিনি একজন মহান সময় ছিল

এইভাবে, সিস্টেম এমনকি বেশ কয়েকটি চিত্র থেকে একটি সম্পূর্ণ গল্প বলার ক্ষমতা রাখে, এটি বর্ণনা করে এবং এমনভাবে বলার এটি একটি বই ছিল। একটি ইউটিলিটি, যা বিশেষজ্ঞদের মতে, শেষ পর্যন্ত এমন একটি বৈশিষ্ট্যে পরিণত হতে পারে যা নির্দিষ্ট অ্যাপ্লিকেশন, ভয়েস রিকগনিশন অ্যাপ্লিকেশন, স্বয়ংক্রিয়ভাবে অন্যান্য ক্ষেত্রে বর্ণনা তৈরি করে এবং আরও অনেক কিছুতে আরও মানবিক স্পর্শ প্রদান করে।

এবং সত্যটি হল যে টুল সংক্ষেপে বলার মধ্যেই সীমাবদ্ধ নয়, এটি "দেখেছে" বরং আরও বিস্তৃত করে। পরিস্থিতির প্রেক্ষাপট যা চিত্রটিতে প্রতিফলিত হয়, একটি "আখ্যানের প্রসঙ্গ এবং বর্ণনার অনন্য শৈলী" অর্জন করে, এই কাজের অন্যতম লেখক ফ্রাঙ্ক ফেরারো ব্যাখ্যা করেছেন।নিজেদেরকে একটা পরিস্থিতিতে ফেলার জন্য, তিনি আমাদের একটি পরিষ্কার উদাহরণ দেন

তার মা তাকে নিয়ে গর্ব করতেন

সুতরাং, আমরা প্রস্তাবনিম্নলিখিত ক্ষেত্রে: “আসুন আমরা কল্পনা করি আমাদের কিছু বন্ধুদের একটি ফটো অ্যালবাম আছে যারা একটি জন্মদিন উদযাপন করেছে মদের দোকান. প্রথম কিছু ছবিতে দেখা যাচ্ছে মানুষ বিয়ারের অর্ডার দিচ্ছেন এবং পান করছেন, আর শেষের ছবিতে দেখা যাচ্ছে কেউ একজন সোফায় ঘুমাচ্ছেন”, তিনি মন্তব্য করেছেন।

একটি প্রচলিত সিস্টেম "একটি সোফায় শুয়ে থাকা একজন ব্যক্তিকে সহজভাবে নির্দেশ করতে পারে, যখন আমাদের সিস্টেমটি অন্তর্ভুক্ত করতে পারে যে তারা সম্ভবত সেই পরিস্থিতিতে রয়েছে কারণ তারা কয়েকটি পানীয় পান করার পরে মাতাল হয়েছে"। একটি সংযোজন যা আন্ডারস্ট্যান্ডিং এবং একটি নির্দিষ্ট মানসিক চার্জ প্রদান করে যা এই নিবন্ধে অন্তর্ভুক্ত ছবি এবং ছবির ক্যাপশনের মাধ্যমেও প্রতিফলিত হয়৷

ভায়া | এমআইটি প্রযুক্তি পর্যালোচনা

Xataka উইন্ডোজে | Microsoft একটি অ্যাপ চালু করেছে যা আপনার কুকুরের জাত নির্ধারণ করে