ওপেন ইমেজ ডেনয়েস, একটি ওপেন সোর্স ইমেজ ডিনোইস লাইব্রেরি

আজ অনেকগুলি অ্যাপ্লিকেশন এবং লাইব্রেরি রয়েছে যা চিত্রের দিকে দৃষ্টি নিবদ্ধ করেআমাদের কাছে সবচেয়ে পরিচিত ফটোশপ, জিআইএমপি, ক্রিটা, পেইন্ট, অন্যদের মধ্যে রয়েছে, যদিও এটি স্পষ্ট যে প্রথম দুটি সবচেয়ে সম্পূর্ণ।

কিন্তু কাজের নির্দিষ্ট ক্ষেত্রে এত সম্পদ ব্যবহার করার প্রয়োজন নেই এইগুলির যেকোনটি কার্যকর করার জন্য, উদাহরণস্বরূপ বলুন শুধুমাত্র চিত্র ক্রপ করুন, আকার পরিবর্তন করুন, চেহারা, বিন্যাস, কিছু ছোটখাট পরিবর্তন পরিচালনা করুন, অন্যদের মধ্যে।

এই বিন্দু হল যে আমি সম্প্রতি একটি জুড়ে এসেছিল চমৎকার লাইব্রেরি যে আমার মনোযোগ ধরা, যেহেতু এটা শব্দ অপসারণের উপর দৃষ্টি নিবদ্ধ করে ইমেজে এবং সর্বোপরি এটি ওপেন সোর্স এবং ইন্টেলের সাথে হাতে হাত মিলিয়ে বিকাশ করা হয়েছে।

আমরা যখন ইমেজে গোলমাল সম্পর্কে কথা বলি, না, এটি শব্দ/অডিওর রেফারেন্সে নয় (যেটি আমরা ছবি সম্পর্কে কথা বললে তা বোঝা যায় না), কিন্তু ডিজিটাল নয়েজ হল:

ইনপুট ডিভাইস দ্বারা উত্পাদিত ডিজিটাল চিত্রগুলিতে উজ্জ্বলতা বা রঙের এলোমেলো পরিবর্তন মূলত সেই "দানা" বা পিক্সেলগুলি যা রঙের সাথে মেলে না। 

এবং আমরা আজ যে লাইব্রেরির বিষয়ে কথা বলব সেটি হল "ওপেন ইমেজ ডেনোইস" যেটি রে ট্রেসিং রেন্ডারিং সিস্টেমের সাহায্যে প্রস্তুত করা ছবি থেকে গোলমাল দূর করার জন্য ফিল্টারের একটি সংগ্রহ তৈরি করে।

Open Image Denoise সম্পর্কে

ইমেজ ডেনোইস খুলুন একটি বৃহত্তর oneAPI রেন্ডারিং টুলকিট প্রকল্পের অংশ হিসাবে বিকাশ করা হচ্ছে৷ এমব্রি রে ট্রেসিং লাইব্রেরি, GLuRay ফটোরিয়ালিস্টিক রেন্ডারিং সিস্টেম, OSPRay ডিস্ট্রিবিউটেড রে ট্রেসিং প্ল্যাটফর্ম এবং OpenSWR সফ্টওয়্যার রাস্টারাইজেশন সিস্টেম সহ বৈজ্ঞানিক গণনার জন্য সফ্টওয়্যার ভিজ্যুয়ালাইজেশন সরঞ্জামগুলি বিকাশের লক্ষ্যে।

প্রকল্পের উদ্দেশ্য হল উচ্চ-মানের, দক্ষ, এবং সহজেই ব্যবহারযোগ্য ডিনোইসিং বৈশিষ্ট্যগুলি প্রদান করে যেটি রে ট্রেসিং ফলাফলের গুণমান উন্নত করতে প্রয়োগ করা যেতে পারে। প্রস্তাবিত ফিল্টারগুলি, একটি সংক্ষিপ্ত রশ্মি ট্রেসিং চক্রের ফলাফলের উপর ভিত্তি করে, আরও ব্যয়বহুল এবং ধীর বিশদ রেন্ডারিং প্রক্রিয়ার ফলাফলের সাথে তুলনীয় মানের একটি চূড়ান্ত স্তর পাওয়ার অনুমতি দেয়।

ওপেন ইমেজ ডেনোইস এলোমেলো শব্দ ফিল্টার করে, যেমন মন্টে কার্লো নিউমেরিক্যাল ইন্টিগ্রেশন রে ট্রেসিং (MCRT)। এই ধরনের অ্যালগরিদমগুলিতে উচ্চ-মানের রেন্ডারিং অর্জন করতে, প্রচুর সংখ্যক রশ্মি ট্র্যাক করা প্রয়োজন; অন্যথায়, লক্ষণীয় নিদর্শনগুলি এলোমেলো শব্দের আকারে ফলস্বরূপ চিত্রটিতে উপস্থিত হয়।

ওপেন ইমেজ Denoise ব্যবহার করে মাত্রার বিভিন্ন আদেশ দ্বারা প্রয়োজনীয় গণনার সংখ্যা কমাতে অনুমতি দেয় প্রতিটি পিক্সেল গণনা করার সময়। ফলস্বরূপ, প্রাথমিকভাবে অনেক দ্রুত একটি গোলমাল ইমেজ তৈরি করা সম্ভব, কিন্তু তারপর দ্রুত শব্দ কমানোর অ্যালগরিদম ব্যবহার করে এটিকে গ্রহণযোগ্য মানের দিকে নামিয়ে আনা সম্ভব। সঠিক যন্ত্রপাতি সহ, প্রস্তাবিত সরঞ্জামগুলি এমনকি ফ্লাইতে ডিনোইসিং সহ ইন্টারেক্টিভ রশ্মি ট্রেসিংয়ের জন্য ব্যবহার করা যেতে পারে।

ওপেন ইমেজ ডেনোইস সম্প্রতি তার নতুন সংস্করণ 2.0 পেয়েছে যাতে নিম্নলিখিত পরিবর্তনগুলি আলাদা হয়:

• GPU ব্যবহার করে শব্দ কমানোর ক্রিয়াকলাপ দ্রুত করার জন্য সমর্থন। SYCL, CUDA, এবং HIP সিস্টেমের সাথে GPU অফলোড করার জন্য বাস্তবায়িত সমর্থন যা Intel Xe আর্কিটেকচার, AMD RDNA2, AMD RDNA3, NVIDIA Volta, NVIDIA Turing, NVIDIA Ampere, NVIDIA Ada Lovelace, এবং NVIDIA Hopper-এর উপর ভিত্তি করে GPU-এর সাথে ব্যবহার করা যেতে পারে।
• একটি নতুন বাফার ম্যানেজমেন্ট API যোগ করা হয়েছে, যা আপনাকে স্টোরেজ টাইপ নির্বাচন করতে, হোস্ট ডেটা কপি করতে এবং Vulkan এবং Direct3D 12-এর মতো গ্রাফিক্স API থেকে বাহ্যিক বাফার আমদানি করতে দেয়।
• অ্যাসিঙ্ক্রোনাস এক্সিকিউশন মোডের জন্য সমর্থন যোগ করা হয়েছে (oidnExecuteFilterAsync এবং oidnSyncDevice ফাংশন)।
• সিস্টেমে উপস্থিত শারীরিক ডিভাইসগুলিতে অনুরোধ পাঠাতে একটি API যোগ করা হয়েছে।
• ফিজিক্যাল ডিভাইস আইডি, যেমন UUID বা PCI ঠিকানার উপর ভিত্তি করে একটি নতুন ডিভাইস তৈরি করতে oidnNewDeviceByID ফাংশন যোগ করা হয়েছে।
• SYCL, CUDA এবং HIP এর সাথে বহনযোগ্যতার জন্য বৈশিষ্ট্য যুক্ত করা হয়েছে৷
• নতুন ডিভাইস স্ক্যান বিকল্প যোগ করা হয়েছে (সিস্টেমমেমোরি সমর্থিত,
• পরিচালিত মেমোরি সমর্থিত, বহিরাগত মেমোরি টাইপস)।
• ফিল্টারগুলির মানের স্তর সেট করতে একটি প্যারামিটার যোগ করা হয়েছে৷

ইমেজ ডেনোইস খুলুন ল্যাপটপ এবং পিসি থেকে ক্লাস্টার নোড পর্যন্ত বিভিন্ন শ্রেণীর ডিভাইসে ব্যবহার করা যেতে পারে. 64-বিট ইন্টেল CPU-এর বিভিন্ন শ্রেণীর জন্য বাস্তবায়নটি অপ্টিমাইজ করা হয়েছে। আপনি যদি ওপেন ইমেজ ডেনোইস চালানোর পাশাপাশি এর ইনস্টলেশন পদ্ধতির জন্য প্রয়োজনীয়তাগুলি জানতে চান, আপনি পরামর্শ করতে পারেন নিম্নলিখিত লিঙ্ক।

কোডটি C++ এ লেখা এবং Apache 2.0 লাইসেন্সের অধীনে প্রকাশিত হয়েছে।