یک کارشناس صنایع الکترونیک ایران گفت: مدل‌های هوش‌مصنوعی را می‌توان با استفاده از روش‌های نوین همانند GenAl توسعه داد.

به گزارش ستادخبری اینوتکس۲۰۲۵، محمدرضا گرامی، کارشناس صنایع الکترونیک ایران در برنامه زمانی ارائه نیازهای فناورانه تحول دیجیتال هوش مصنوعی سومین رویداد ملی ملاصدرا که در دومین روز از رویداد اینوتکس۲۰۲۵ برگزار شد درباره موضوع تولید تصاویر با روش generative همراه با متا دیتا گفت: مدل‌های هوش مصنوعی برای توسعه نیازمند حجم زیادی از تصاویر و برچسب متناظر برای آموزش و ارزیابی هستند. این حجم از داده با وجود منابع اینترنتی و پایگاه‌های دیتاست، داده تمیز نبوده یا متناسب با نیازمندی نیست بنابراین باید از روش‌های نوین همچون GenAl برای جبران این کمبود بهره جست. 

گرامی افزود: علاوه بر این نه تنها وجود تصاویر بلکه وجود برچسب متناظر label با تصویر نیز پراهمیت است.

وی درباره مشخصات فنی و عملیاتی این موضوع اظهارکرد: برای ورودی رزولوشن تصویر و تعداد تصویر مورد نیاز داده شده و سپس یک جمله توصیفی از تصور  مورد انتظار و صحنه شامل اشیای داخل صحنه و فضا عنوان شود. به عنوان مثال وجود ماشین خاکستری در فضای شهری و آب و هوای ابری سپس چندین تصویر تولید و موقعیت اشیا درخواستی ذکر شود؛ ماشین باید با فرمت‌های استاندارد همچون Voc Pascal  و Yola در قالب فایل متنی ذخیره شود. 

گرامی یادآورشد: حالت بعدی تولید ویدیو از سناریو توصیفی و تولید برچسب های متناظر برای هر فریم از ویدیو است. در حال حاضر مدل‌های معروفی برای تولید تصویر و ویدیو در دنیا توسعه داده شده‌اند اما نیازمندی و چالش اصلی گرفتن فایل توصیفی این تصاویر شامل گزارش موقعیت اشیا موجود در صحنه است.

وی گفت: این مدل قابلیت اجرای به روی سیستم‌های دسکتاپ با پردازنده‌های گرافیکی مرسوم مانند ۲۰۷۰ ۲۰۶۰ RTX دارد.