এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
স্বাক্ষরিত দূরত্ব ফাংশন (এসডিএফ)
একটি গাণিতিক ফাংশন যা 3D পৃষ্ঠতলগুলিকে উপস্থাপন করে যেখানে স্থানের প্রতিটি বিন্দু নিকটতম পৃষ্ঠতলে স্বাক্ষরিত দূরত্ব ফেরত দেয়, ভিতরে ঋণাত্মক এবং বাইরে ধনাত্মক। নিউরাল এসডিএফগুলি এই অবিচ্ছিন্ন ফাংশনগুলি অন্তর্নিহিতভাবে শিখতে নেটওয়ার্ক ব্যবহার করে।
অন্তর্নিহিত নিউরাল উপস্থাপনা
একটি উপস্থাপনা প্যারাডাইম যেখানে নিউরাল নেটওয়ার্কগুলি অবিচ্ছিন্ন সংকেতগুলিকে অন্তর্নিহিত ফাংশন হিসাবে এনকোড করে বিচ্ছিন্ন ডেটা স্ট্রাকচারের পরিবর্তে। জ্যামিতি বা ডেটার স্পষ্ট স্টোরেজ ছাড়াই ইনপুট স্থানাঙ্কগুলিকে সংকেত মানগুলিতে রূপান্তর করে।
স্থানাঙ্ক-ভিত্তিক নিউরাল নেটওয়ার্ক
নিউরাল নেটওয়ার্ক যা অবিচ্ছিন্ন সংকেত মান তৈরি করতে সরাসরি ইনপুট হিসাবে স্থানিক বা সময়গত স্থানাঙ্ক নেয়। গ্রিড-ভিত্তিক উপস্থাপনাগুলিকে নেটওয়ার্ক ওজন দ্বারা প্যারামিটারাইজড অবিচ্ছিন্ন ফাংশন দ্বারা প্রতিস্থাপন করে।
অকুপেন্সি নেটওয়ার্ক
অন্তর্নিহিত নিউরাল মডেল যা 3D অকুপেন্সি ফাংশন শেখে যা ভবিষ্যদ্বাণী করে যে একটি স্থানিক বিন্দু 3D পৃষ্ঠতলের ভিতরে বা বাইরে অবস্থিত কিনা। পয়েন্ট সেট বা ইমেজ থেকে অবিচ্ছিন্ন জ্যামিতি উপস্থাপনা তৈরি করে।
ডিপএসডিএফ
একটি আর্কিটেকচার যা গভীর নিউরাল নেটওয়ার্ক ব্যবহার করে 3D আকৃতি উপস্থাপনের জন্য অবিচ্ছিন্ন স্বাক্ষরিত দূরত্ব ক্ষেত্র শেখে। স্পষ্ট মেশ ছাড়াই আকৃতি স্থানে অবিচ্ছিন্ন ইন্টারপোলেশন এবং স্যাম্পলিং অনুমতি দেয়।
নিউরাল অন্তর্নিহিত পৃষ্ঠতল
3D পৃষ্ঠতলগুলি যা নিউরাল নেটওয়ার্ক দ্বারা অন্তর্নিহিতভাবে উপস্থাপিত হয় যা স্থানে অবিচ্ছিন্ন ফাংশন সংজ্ঞায়িত করে। অবিচ্ছিন্ন এবং আর্টিফ্যাক্ট-মুক্ত উপস্থাপনা অনুমতি দিয়ে ঐতিহ্যগত মেশের সীমাবদ্ধতা এড়ায়।
ডিফারেনশিয়েবল রেন্ডারিং
রেন্ডারিং প্রক্রিয়া যেখানে প্রতিটি অপারেশন ডিফারেনশিয়েবল, পিক্সেল থেকে দৃশ্য পরামিতি পর্যন্ত গ্রেডিয়েন্ট ব্যাকপ্রপাগেশন অনুমতি দেয়। 2D ইমেজ থেকে অন্তর্নিহিত নিউরাল উপস্থাপনার অপ্টিমাইজেশনের জন্য অপরিহার্য।
অবিচ্ছিন্ন ফাংশন উপস্থাপনা
একটি পদ্ধতি যা বিচ্ছিন্ন সংকেতগুলিকে অবিচ্ছিন্ন গাণিতিক ফাংশন হিসাবে এনকোড করে যা যেকোনো বিন্দুতে মূল্যায়ন করা যেতে পারে। ঐতিহ্যগত বিচ্ছিন্ন ইন্টারপোলেশন এবং স্যাম্পলিংয়ের প্রয়োজনীয়তা দূর করে।
হাইব্রিড ইমপ্লিসিট-এক্সপ্লিসিট রিপ্রেজেন্টেশন
রিপ্রেজেন্টেশন এবং স্যাম্পলিং অপ্টিমাইজ করার জন্য এক্সপ্লিসিট ডাটা স্ট্রাকচার এবং নিউরাল ইমপ্লিসিট ফাংশনের সংমিশ্রণ। কম্পিউটেশনাল দক্ষতার সাথে কন্টিনিউয়াস রিপ্রেজেন্টেশনের নমনীয়তার ভারসাম্য বজায় রাখে।
নিউরাল ভলিউম রেন্ডারিং
ইমপ্লিসিটলি রিপ্রেজেন্টেড ভলিউমেট্রিক মিডিয়া দিয়ে আলোর পরিবহন সিমুলেট করতে নিউরাল নেটওয়ার্ক ব্যবহার করে এমন টেকনিক। এক্সপ্লিসিট মেশ ছাড়াই কন্টিনিউয়াস 3D দৃশ্য থেকে ফটোরিয়ালিস্টিক 2D ইমেজ তৈরি করে।
ইমপ্লিসিট রিপ্রেজেন্টেশনের জন্য মেটা-লার্নিং
শেখার একটি পদ্ধতি যেখানে মডেলগুলি কম উদাহরণ দিয়ে দ্রুত নতুন ইমপ্লিসিট রিপ্রেজেন্টেশনে অভিযোজিত হওয়ার ক্ষমতা অর্জন করে। বিভিন্ন দৃশ্য বা কন্টিনিউয়াস সিগন্যালে দ্রুত জেনারালাইজেশন সম্ভব করে।
মাল্টি-রেজোলিউশন হ্যাশ এনকোডিং
বিভিন্ন স্পেসিয়াল স্কেলে ফিচারগুলি কার্যকরভাবে রিপ্রেজেন্ট করতে মাল্টি-রেজোলিউশন হ্যাশ টেবিল ব্যবহার করে এমন স্পেসিয়াল এনকোডিং টেকনিক। নিউরাল ইমপ্লিসিট রিপ্রেজেন্টেশনের ট্রেনিংকে উল্লেখযোগ্যভাবে ত্বরান্বিত করে।
নিউরাল সিন রিপ্রেজেন্টেশন
সম্পূর্ণ দৃশ্যগুলিকে নিউরাল নেটওয়ার্ক দ্বারা প্যারামিটারাইজড কন্টিনিউয়াস ফাংশন হিসেবে এনকোডিং, যা জ্যামিতি, উপস্থিতি এবং আলোকসজ্জা ক্যাপচার করে। ট্র্যাডিশনাল এক্সপ্লিসিট ডাটা স্ট্রাকচার ছাড়াই দৃশ্য ম্যানিপুলেশন এবং রেন্ডারিং সম্ভব করে।
ইমপ্লিসিট জেনারেটিভ মডেল
জেনারেটিভ মডেল যা এক্সপ্লিসিটের পরিবর্তে ইমপ্লিসিট প্রোবাবিলিটি ডিস্ট্রিবিউশন সংজ্ঞায়িত করে, সাধারণত স্যাম্পল বা ডেনসিটি স্কোরের মাধ্যমে। জটিল ডাটা জেনারেট করার জন্য GANs এবং স্কোর মডেল অন্তর্ভুক্ত।
নিউরাল ইমপ্লিসিট ফিল্ডস
নিউরাল নেটওয়ার্ক দ্বারা রিপ্রেজেন্টেড স্কেলার বা ভেক্টর ফিল্ড যা স্পেসে কন্টিনিউয়াস প্রোপার্টি সংজ্ঞায়িত করে। ডিফারেনশিয়েবল উপায়ে ডেনসিটি, কালার বা অন্যান্য স্পেসিয়াল অ্যাট্রিবিউট মডেল করতে ব্যবহৃত হয়।
কন্টিনিউয়াস সিগন্যাল রিপ্রেজেন্টেশন
সিগন্যালগুলিকে গাণিতিক কন্টিনিউয়াস ফাংশন হিসেবে রিপ্রেজেন্টেশন যা যেকোনো রেজোলিউশনে ইনফরমেশন লস ছাড়াই ইভ্যালুয়েট করা যায়। ডিসক্রিট ডাটাকে নেটওয়ার্ক দ্বারা প্যারামিটারাইজড কন্টিনিউয়াস ফাংশন স্পেসে রূপান্তরিত করে।
নিউরাল ইমপ্লিসিট জিওমেট্রি
৩ডি জ্যামিতিক আকৃতিগুলোর উপস্থাপনা যা নিউরাল নেটওয়ার্ক দ্বারা শেখা অবিচ্ছিন্ন ফাংশনের মাধ্যমে, বিচ্ছিন্ন মেশ বা ভক্সেলের পরিবর্তে। অবিচ্ছিন্ন বিকৃতি এবং তাত্ত্বিকভাবে অসীম রেজোলিউশন সম্ভব করে তোলে।