[পরিচিতি] তসিংহুয়া বিশ্ববিদ্যালয়ের দল দ্বারা উন্নয়নকৃত AutoMIA সিস্টেমটি যেকোনো দুটি ছবিকে আয়না বিভ্রমের মতো 3D শিল্পকর্মে রূপান্তরিত করে, যা সামনে ও পিছনে ভিন্ন প্যাটার্নের দৃশ্যমান প্রদর্শন সম্ভব করে এবং 3D প্রিন্টিংকে সমর্থন করে।
নিচের দুটি ছবি দেখুন: প্রতিটি জোড়ায়, বাম পাশে আয়নার সামনে বস্তুর সামনের প্যাটার্ন, ডান পাশে এর আয়নায় প্রতিবিম্ব। অদ্ভুতভাবে, সামনের দিক এবং আয়নায় প্রকাশিত প্রায় দুটি সম্পূর্ণ অসম্পর্কিত জিনিস—প্রথম জোড়ায় সামনের দিকে "CVPR", আয়নায় "2026" হয়ে যায়; দ্বিতীয় জোড়ায় সামনের দিকে "পর্বত", আয়নায় "জল" হয়ে যায়।
তাদের আকৃতি, রং এমনকি অর্থও মেলে না, যেন একটি «ভ্রান্তি»।
কারণটি হলো, এটি একটি বিশেষভাবে ডিজাইন করা 3D বস্তু থেকে এসেছে, যা মানুষের দৃষ্টি ব্যবস্থার "সমমিতি পূরণ প্রভাব" ব্যবহার করে একটি ভ্রম তৈরি করে, এই ধরনের ঘটনাকে আয়না ভ্রম শিল্প বলা হয়।
পর্যবেক্ষক একটি বাস্তব বস্তুর ত্রিমাত্রিক জ্যামিতি এবং পৃষ্ঠের রংকে সুন্দরভাবে ডিজাইন করেছেন যাতে সরাসরি পর্যবেক্ষণ এবং আয়নায় পর্যবেক্ষণের সময় এটি সম্পূর্ণ ভিন্ন দৃশ্যমান প্রভাব প্রদর্শন করে।
এখানে দুটি সংশ্লিষ্ট "ডিক্রিপ্ট" ভিডিও রয়েছে।
প্রাচীন অর্থে, এই ধরনের শিল্পকর্মের ডিজাইনের জন্য পেশাদার শিল্পীদের দক্ষতার প্রয়োজন হয় এবং অসংখ্য জটিল হাতের ডিজাইনের অভিজ্ঞতা এবং গাণিতিক গণনার প্রয়োজন হয়, যার ফলে সাধারণ মানুষের জন্য এই ধরনের শিল্পকর্ম ডিজাইনের বাধা অত্যন্ত উচ্চ।
কিন্তু কি এমন একটি পদ্ধতি আছে যা সাধারণ মানুষকে তাদের অনুপ্রেরণাকে শিল্পে রূপান্তরিত করতে সাহায্য করতে পারে?
সাম্প্রতিক সময়ে, তসিংহুয়া বিশ্ববিদ্যালয় এবং অন্যান্য প্রতিষ্ঠানের গবেষক দল অটোএমআইএ নামক একটি এআই ডিজাইন পদ্ধতি প্রস্তাব করেছেন, যা স্বয়ংক্রিয়ভাবে মিরর ইলিউশন আর্ট তৈরি করে। ব্যবহারকারীদের শুধুমাত্র দুটি যেকোনো ছবি নির্বাচন করতে হবে—একটি আয়নার সামনে এবং অন্যটি আয়নার ভিতরে—অটোএমআইএ তখন স্বয়ংক্রিয়ভাবে 3D আর্টওয়ার্ক ডিজাইন করবে এবং সরাসরি 3D প্রিন্টিংয়ের মাধ্যমে আর্টওয়ার্ক তৈরির সমর্থন করবে।
পেপারের লিঙ্ক: http://arxiv.org/abs/2607.02015
কোড লিঙ্ক: https://github.com/zxp555/AutoMIA
পেপারটি CVPR 2026-এ গৃহীত হয়েছে এবং কনফারেন্সের হাইলাইট পেপার (Highlight Paper) হিসেবে মনোনীত করা হয়েছে; এছাড়াও, এর উচ্চ গণনামূলক দক্ষতার জন্য এটি CVPR ইফিশিয়েন্ট কম্পিউটিং পুরস্কার (Efficient CVPR) লাভ করেছে।
গবেষণার পটভূমি
অপটিক্যাল অ্যালুসিয়ন আর্ট দীর্ঘদিন ধরে শিল্প, মনোবিজ্ঞান এবং কম্পিউটার ভিশনের ক্রস-অ্যারিয়াতে একটি গুরুত্বপূর্ণ সমস্যা হয়ে আসছে। সাধারণ 2D অ্যালুসিয়নগুলির মধ্যে রয়েছে মিশ্রিত চিত্র, ভিজুয়াল ডিসটরশন ইমেজ ইত্যাদি; 3D অ্যালুসিয়নগুলির মধ্যে রয়েছে শ্যাডো আর্ট, মাল্টি-ভিউয়াল ওয়াইর আর্ট ইত্যাদি।
এই পদ্ধতিগুলি সাধারণত নির্দিষ্ট দৃষ্টিকোণ, প্রক্ষেপ বা ছায়ার সম্পর্কের উপর নির্ভর করে, যার ফলে একই বস্তু বিভিন্ন পর্যবেক্ষণের শর্তে বিভিন্ন আকৃতি প্রদর্শন করে।
মিরর ইলিউশন আর্ট হল একটি বিশেষ ধরনের 3D প্রতারণা: যখন একটি বাস্তব বস্তুকে আয়নার সামনে রাখা হয়, তখন পর্যবেক্ষক সামনে একটি প্যাটার্ন দেখেন এবং আয়নায় অন্য একটি প্যাটার্ন দেখেন।
আগে, সংশ্লিষ্ট ডিজাইনগুলির জন্য ব্যাপক ম্যানুয়াল উপলব্ধি এবং হাতে সমন্বয়ের প্রয়োজন হত, এবং এগুলি প্রায়শই আকৃতি ডিজাইনের উপর কেন্দ্রীভূত হত, যা রঙিন প্যাটার্নগুলি একসাথে প্রক্রিয়াকরণের জন্য কঠিন ছিল। যদি Shadow Art-এর মতো পদ্ধতিগুলির সরাসরি অনুকরণ করা হয়, তবে পৃষ্ঠের শব্দ, পটভূমির ব্লক বা অভ্যন্তরীণ বিচ্ছিন্নতা সৃষ্টি হওয়ার সম্ভাবনা থাকে, যা দৃশ্যমান গুণমান এবং প্রকৃত উৎপাদনকে প্রভাবিত করে।
অতএব, লেখক একটি সরাসরি প্রশ্ন তুলে ধরেন: কি করে AI এই মিরর হলুসিনেশন অবজেক্টগুলি স্বয়ংক্রিয়ভাবে ডিজাইন করতে পারে? দুটি লক্ষ্য ছবি প্রদান করা হলে, কি সিস্টেমটি একই অবজেক্টের 3D আকৃতি এবং রংকে একসাথে অপটিমাইজ করতে পারে, যাতে একই অবজেক্ট দুটি দৃষ্টিকোণে দুটি নির্দিষ্ট আউটওয়ার্ক প্রদর্শন করে?
গবেষণা পদ্ধতি
AutoMIA এই সমস্যাটিকে একটি দ্বৈত-দৃষ্টিকোণ বিপরীত ডিজাইন টাস্ক হিসেবে মডেল করে। সিস্টেমটি 3D বস্তুকে ভক্সেল দ্বারা প্রতিনিধিত্ব করে, যেখানে প্রতিটি ভক্সেলে ঘনত্ব এবং রংয়ের তথ্য অন্তর্ভুক্ত থাকে; তারপর একটি ডিফারেনশিয়াবল ভক্সেল রেন্ডারিংয়ের মাধ্যমে দুটি নির্দিষ্ট দৃষ্টিকোণ থেকে বস্তুটি রেন্ডার করা হয় এবং রেন্ডারড ফলাফলগুলিকে দুটি লক্ষ্য ছবির সাথে তুলনা করা হয়।
অপ্টিমাইজেশন লক্ষ্যে আকৃতির সাদৃশ্য এবং রংয়ের সাদৃশ্য উভয়ই অন্তর্ভুক্ত করা হয়েছে, যাতে জেনারেট করা বস্তুটি প্রান্তিক প্রয়োজনীয়তা পূরণ করে এবং লক্ষ্য ছবির রং উৎপাদন করে।
বাস্তব অপ্টিমাইজেশনে, লেখক চারটি প্রধান সমস্যা শনাক্ত করেছেন: পৃষ্ঠের শব্দ, পটভূমির শব্দ, অভ্যন্তরীণ বিচ্ছিন্নতা এবং আকৃতি ও রং অপ্টিমাইজেশনের অসমতা।
এর জন্য, প্রবন্ধটি চারটি মূল কার্যপ্রণালী প্রস্তাব করে।
প্রথমে PAC, অর্থাৎ প্রজেকশন-অ্যালাইনড কনেক্টেড কম্পোনেন্ট প্রুনিং। সিস্টেমটি বর্তমান ভক্সেলের প্রতিটি কনেক্টেড কম্পোনেন্টকে দুটি দৃশ্যে প্রজেক্ট করবে এবং তাদের লক্ষ্য মাস্কের সাথে মিল এবং ব্যাকগ্রাউন্ড লিকেজের ভিত্তিতে স্কোর দেবে, যাতে শুধুমাত্র লক্ষ্য প্যাটার্নের জন্য প্রয়োজনীয় স্ট্রাকচারগুলি বজায় রাখা যায় এবং ভাসমান বা অকার্যকর নয়াস অংশগুলি সরিয়ে ফেলা যায়।
এরপরে আসে PWA, অর্থাৎ অবস্থান-ভিত্তিক ওজনযুক্ত সামঞ্জস্যপূর্ণ শব্দবিনাশ। এটি পিক্সেলের লক্ষ্য অঞ্চলের দূরত্বের উপর ভিত্তি করে ব্যাকগ্রাউন্ড শাস্তি ওজন সামঞ্জস্য করে, যার ফলে লক্ষ্য প্যাটার্ন থেকে দূরের ভুল প্রজেকশনকে শক্তিশালীভাবে শাস্তি দেওয়া হয়, ফলে দূরবর্তী ব্যাকগ্রাউন্ড নয়েজ কমে।
তৃতীয় হল IVP, অর্থাৎ অভ্যন্তরীণ ভক্সেল সুরক্ষা। যেহেতু সুপারভাইজড ইমেজগুলি মূলত বস্তুর পৃষ্ঠকে সীমাবদ্ধ করে, অভ্যন্তরীণ ভক্সেলগুলি অপ্টিমাইজেশনের সময় ভুলভাবে দুর্বল হয়ে যেতে পারে, যার ফলে কাঠামোটি ভেঙে যায়। IVP অভ্যন্তরীণ ভক্সেলগুলি শনাক্ত করে এবং ঘনত্বের নিম্নসীমা প্রয়োগ করে, যা বস্তুর অখণ্ডতা বজায় রাখতে সাহায্য করে, যা পরবর্তী 3D প্রিন্টিংয়ের জন্য বিশেষভাবে গুরুত্বপূর্ণ।
শেষে হলো এসসিডি, অর্থাৎ আকৃতি—রং ডিকাপ্লড অপ্টিমাইজেশন। অটোমিয়া প্রশিক্ষণ প্রক্রিয়াকে আকৃতি অপ্টিমাইজেশন, আকৃতি-রং যৌথ অপ্টিমাইজেশন এবং রং ফাইন-টিউনিং পর্যায়ে বিভক্ত করে, যাতে রং জ্যামিতিক কাঠামোকে আগে থেকেই ব্যাহত না করে এবং বিভিন্ন দৃষ্টিকোণের রংয়ের মধ্যে সংঘাত কমায়।
পরীক্ষার ফলাফল
অটোমিয়াকে বিভিন্ন ধরনের 2ডি ইমেজ ইনপুট হিসাবে যাচাই করা হয়েছে, যার মধ্যে ইংরেজি বর্ণ, সংখ্যা, চীনা অক্ষর, জ্যামিতিক প্যাটার্ন, ইমোজি, কার্টুন প্যাটার্ন এবং লোগো অন্তর্ভুক্ত।
পরীক্ষায়, লেখকগণ AutoMIA-কে Shadow Art (SA) এবং Shadow Art Revisited (SAR) এর মতো পদ্ধতিগুলির সাথে তুলনা করেছেন। যেহেতু বেসলাইন পদ্ধতিগুলি মূলত আকৃতি অপ্টিমাইজেশনকে সমর্থন করে, তাই তুলনার কেন্দ্রে রয়েছে মসৃণতা, শব্দের মাত্রা এবং আকৃতির সামঞ্জস্যতা ইত্যাদি মাপদণ্ড।
ফলাফল দেখায় যে, অটোএমআইএ পুনর্গঠন গুণমানে স্পষ্ট সুবিধা অর্জন করেছে। গবেষণাপত্রে বর্ণিত হয়েছে যে, অটোএমআইএ-এর স্মুথনেস (SL) 0.989, নয়েজ লেভেল (NL) 0.049-এ নেমে এসেছে এবং শেপ কনসিসটেনসি (SS) 0.931 পৌঁছেছে; অপরদিকে, এসএ এবং এসএআর শেপ কনসিসটেনসি এবং নয়েজ নিয়ন্ত্রণে স্পষ্ট ব্যবধান রাখে।
একইসাথে, AutoMIA-এর একটি একক RTX 3090-এ গড় ডিজাইন সময় মাত্র 76 সেকেন্ড এবং গড় জিপিইউ মেমোরি ব্যবহার প্রায় 2.6GB, যা দক্ষ কম্পিউটেশনাল দক্ষতা প্রদর্শন করে।
ভিজুয়ালাইজেশন ফলাফল অনুযায়ী, SA এবং SAR সহজেই সাসপেন্ডেড নয়েজ, পৃষ্ঠের অসমতা বা অভ্যন্তরীণ ভাঙ্গনের সমস্যা তৈরি করে, যার ফলে বস্তুটি স্থিতিশীল এবং সম্পূর্ণ কঠিন কাঠামো গঠন করতে পারে না।
AutoMIA দ্বারা উত্পাদিত ফলাফল শুধুমাত্র দুটি লক্ষ্য চিত্রের কনটুরকে ভালোভাবে মেলায় না, বরং ইনপুট চিত্রের রঙিন পৃষ্ঠ পুনর্গঠনও করে, যার ফলে সামনের দৃশ্য এবং আয়নার দৃশ্য উভয়েরই স্পষ্ট দৃশ্যমান বৈশিষ্ট্য থাকে।
মিরর হলুসিনেশন আর্টের জন্য এটি বিশেষভাবে গুরুত্বপূর্ণ: যদি আকৃতি সঠিক হয় কিন্তু রং বিশৃঙ্খল হয়, অথবা রং কাছাকাছি হয় কিন্তু গঠন ভাঙা থাকে, তবে চূড়ান্তভাবে বিশ্বাসযোগ্য মিথ্যা প্রতীতি তৈরি করা কঠিন হয়ে পড়ে।
অ্যাবলেশন পরীক্ষাগুলি আরও নির্দেশ করে যে PAC, PWA, IVP এবং SCD সবগুলি চূড়ান্ত ফলাফলে অবদান রাখে। যেকোনো মডিউল বাদ দেওয়া পুনর্গঠন গুণমানের হ্রাস ঘটায়। উদাহরণস্বরূপ, PAC বাদ দেওয়া শব্দ বৃদ্ধি করে এবং আকৃতির সামঞ্জস্যতা কমিয়ে দেয়; SCD বাদ দেওয়া আকৃতি, রঙ এবং মসৃণতা প্রভাবিত করে।
এটি নির্দেশ করে যে AutoMIA কেবলমাত্র ভক্সেল অপ্টিমাইজেশনের উপর নির্ভর করে না, বরং মিরর হলুসিনেশন ডিজাইনে উদ্ভূত সমস্যাগুলির জন্য একটি সিস্টেম্যাটিক ডিজাইন করা হয়েছে।
নিচে ডিজিটাল বিশ্বের কিছু উদাহরণ দেওয়া হল, চিত্রটি দেখে বোঝা যায় যে, Blender ডিজিটাল সিমুলেশন সফটওয়্যারের ভিত্তিতে ভালো মিরর অপটিক্যাল ইলিউশন অবজেক্টগুলি রেন্ডার করা হয়েছে।
সংখ্যাগত ফলাফলের পাশাপাশি, পেপারটি একাধিক বস্তু তৈরির কেস স্টাডি দেখায়। লেখকদের অপ্টিমাইজড ভক্সেল মডেলগুলিকে 3D প্রিন্টযোগ্য ফরম্যাটে রূপান্তরিত করে এবং বাস্তব বস্তুগুলি 3D প্রিন্ট করে তৈরি করেছেন।
বাস্তব ফটোগ্রাফে, বস্তুর সামনের দিক এবং আয়নায় প্রতিফলিত চিত্র ভিন্ন প্যাটার্ন দেখায়, যা এই পদ্ধতিটির ডিজিটাল ডিজাইন থেকে ভৌত বিশ্বে সফলভাবে স্থানান্তরিত হওয়ার প্রমাণ।
ব্যবহারকারীরা এই পদ্ধতির ভিত্তিতে বিভিন্ন ধরনের শিল্পকর্ম তৈরি করতে পারেন।
প্রতিবেদন এবং ভবিষ্যদ্বাণী
গবেষকদের দ্বারা অটোএমিএ প্রস্তাব করা হয়েছে, যা মিরর ইলিউশন আর্ট স্বয়ংক্রিয়ভাবে তৈরি করার জন্য একটি এআই ডিজাইন সিস্টেম।
এটি দুটি 2D চিত্র থেকে শুরু করে 3D বস্তুর আকৃতি এবং রংকে একসাথে অপ্টিমাইজ করতে পারে এবং PAC, PWA, IVP এবং SCD মেকানিজমের মাধ্যমে ফলাফলের গুণমান উন্নত করে, যার ফলে উৎপাদিত বস্তুগুলি আরও মসৃণ, আরও সম্পূর্ণ এবং বাস্তব তৈরির জন্য আরও উপযুক্ত হয়।
এই কাজটি দেখিয়েছে যে কম্পিউটেশনাল ডিজাইন এবং শিল্প সৃষ্টিতে এআইয়ের নতুন সম্ভাবনা রয়েছে: এটি শুধু ছবি তৈরি করতে পারে না, বরং ভৌতভাবে বাস্তবায়নযোগ্য 3D অপটিক্যাল অবজেক্টও ডিজাইন করতে পারে। একটি বস্তু বাস্তবে শুধুমাত্র একটি আকৃতির হয়, কিন্তু আয়নায় অন্য একটি দৃশ্যমান পরিচয় প্রদর্শন করে—এই “সামনের ও আয়নার মধ্যে অসামঞ্জস্য” প্রভাবটি দৃশ্যমান পরিচয়, বিপরীত গ্রাফিক্স এবং ডিজিটাল উৎপাদনের জন্য নতুন গবেষণা দিকগুলিরও পথপ্রদর্শন করে।
লেখকের পরিচয়
পেপারের লেখকগুলি যথাক্রমে জু শিওপেই, তসিংহু বিশ্ববিদ্যালয়ের শুইমু স্কলার, যার সহযোগী পরামর্শদাতা হলেন প্রফেসর জু জুন; লি জেয়ুয়ান (সম-প্রথম লেখক), হুয়াজং বিজ্ঞান ও প্রযুক্তি বিশ্ববিদ্যালয়ের স্নাতকছাত্র, এবং তসিংহু বিশ্ববিদ্যালয়ের প্রফেসর জু জুন এবং অধ্যাপক হু শিয়াওলিন (যোগাযোগকারী লেখক)।
প্রসঙ্গ: http://arxiv.org/abs/2607.02015
এই লেখাটি ওয়েইচ্যাট গ্রুপ "নিউ জিয়ায়ুয়ান" থেকে এসেছে, লেখক: নিউ জিয়ায়ুয়ান; সম্পাদক: LRST