এটি Perception Models নামে একটি লিনাক্স অ্যাপ যার সর্বশেষ প্রকাশ perception_modelssourcecode.tar.gz নামে ডাউনলোড করা যেতে পারে। এটি ওয়ার্কস্টেশনের জন্য বিনামূল্যের হোস্টিং প্রদানকারী OnWorks-এ অনলাইনে চালানো যেতে পারে।
Perception Models নামের এই অ্যাপটি বিনামূল্যে OnWorks সহ অনলাইনে ডাউনলোড করুন এবং চালান।
এই অ্যাপটি চালানোর জন্য এই নির্দেশাবলী অনুসরণ করুন:
- 1. আপনার পিসিতে এই অ্যাপ্লিকেশনটি ডাউনলোড করুন৷
- 2. আমাদের ফাইল ম্যানেজারে প্রবেশ করুন https://www.onworks.net/myfiles.php?username=XXXXX আপনি যে ইউজারনেম চান।
- 3. এই ধরনের ফাইল ম্যানেজারে এই অ্যাপ্লিকেশনটি আপলোড করুন।
- 4. এই ওয়েবসাইট থেকে OnWorks Linux অনলাইন বা Windows অনলাইন এমুলেটর বা MACOS অনলাইন এমুলেটর শুরু করুন।
- 5. OnWorks Linux OS থেকে আপনি এইমাত্র শুরু করেছেন, আমাদের ফাইল ম্যানেজারে যান https://www.onworks.net/myfiles.php?username=XXXXX আপনার পছন্দের ব্যবহারকারীর নাম সহ।
- 6. অ্যাপ্লিকেশনটি ডাউনলোড করুন, এটি ইনস্টল করুন এবং এটি চালান।
স্ক্রিনশট:
উপলব্ধি মডেল
বর্ণনাঃ
পারসেপশন মডেল হল উন্নত চিত্র এবং ভিডিও উপলব্ধি কাজের জন্য ফেসবুক রিসার্চ দ্বারা তৈরি একটি অত্যাধুনিক কাঠামো। এটি দুটি প্রাথমিক উপাদান প্রবর্তন করে: ভিজ্যুয়াল বৈশিষ্ট্য নিষ্কাশনের জন্য পারসেপশন এনকোডার (PE) এবং মাল্টিমোডাল ডিকোডিং এবং যুক্তির জন্য পারসেপশন ল্যাঙ্গুয়েজ মডেল (PLM)। PE মডিউল হল ভিশন এনকোডারগুলির একটি পরিবার যা চিত্র এবং ভিডিও উপলব্ধিতে দক্ষতা অর্জনের জন্য ডিজাইন করা হয়েছে, যা একাধিক মানদণ্ডে SigLIP2, InternVideo2 এবং DINOv2 এর মতো মডেলগুলিকে ছাড়িয়ে গেছে। ইতিমধ্যে, PLM PE এর সাথে একীভূত হয়ে ভিশন-ভাষা মডেলিংকে শক্তিশালী করে, QwenVL2.5 এবং InternVL3 এর মতো শীর্ষস্থানীয় মাল্টিমোডাল সিস্টেমগুলির সাথে প্রতিযোগিতামূলক ফলাফল অর্জন করে, একই সাথে উন্মুক্ত ডেটার সাথে সম্পূর্ণরূপে পুনরুৎপাদনযোগ্য। প্রকল্পটি ভিজ্যুয়াল স্বীকৃতি এবং ঘন ভবিষ্যদ্বাণী থেকে শুরু করে সূক্ষ্ম-গ্রেইনড মাল্টিমোডাল বোঝাপড়া পর্যন্ত বিস্তৃত গবেষণা অ্যাপ্লিকেশনগুলিকে সমর্থন করে। অতিরিক্তভাবে, এতে চিত্র এবং ভিডিও উপলব্ধি উভয়ের জন্য বেশ কয়েকটি বৃহৎ-স্কেল ওপেন ডেটাসেট অন্তর্ভুক্ত রয়েছে।
বৈশিষ্ট্য
- ভিশন এনকোডিংয়ের জন্য পারসেপশন এনকোডার (PE) এবং মাল্টিমোডাল ডিকোডিংয়ের জন্য পারসেপশন ল্যাঙ্গুয়েজ মডেল (PLM) একত্রিত করে
- ছবি, ভিডিও এবং দৃষ্টি-ভাষার মানদণ্ডে অত্যাধুনিক পারফরম্যান্স
- স্বচ্ছতার জন্য অবাধে উপলব্ধ ডেটাসেট ব্যবহার করে উন্মুক্ত, পুনরুৎপাদনযোগ্য মডেল
- মূল, ভাষা-সারিবদ্ধ এবং স্থানিক কাজের জন্য বিশেষায়িত একাধিক PE ভেরিয়েন্ট
- নমনীয় গবেষণার প্রয়োজনের জন্য PLM 1B, 3B, এবং 8B প্যারামিটার আকারে উপলব্ধ।
- হাগিং ফেস ট্রান্সফরমার, টিম, এবং এলএমএস-ইভালের মতো জনপ্রিয় সরঞ্জামগুলির সাথে একীভূত
প্রোগ্রামিং ভাষা
পাইথন
বিভাগ
এটি এমন একটি অ্যাপ্লিকেশন যা https://sourceforge.net/projects/perception-models.mirror/ থেকেও আনা যেতে পারে। আমাদের বিনামূল্যের অপারেটিভ সিস্টেমগুলির মধ্যে একটি থেকে সবচেয়ে সহজ উপায়ে অনলাইনে চালানোর জন্য এটি OnWorks-এ হোস্ট করা হয়েছে।