پڑھنے کا وقت 4 منٹ
ڈفیوژن ماڈل: برقی شور اور دھندلے نقطوں سے نئی تصویر کیسے تراشی جاتی ہے؟
30 سیکنڈ میں خلاصہ
ڈفیوژن ماڈل (Diffusion Model) نئی تخلیقات کرنے والی مصنوعی ذہانت کی وہ قسم ہے جو تصویروں میں پہلے بتدریج ڈیجیٹل شور شامل کرنا سیکھتی ہے اور پھر اسی عمل کو الٹ کر خالص شور میں سے انسان کے لکھے ہوئے جملے کے مطابق بالکل نئی تصویر تراشتی ہے۔
ٹی وی کی سکرین کا برفانی شور جب بولتی تصویر بننے لگا
اگر آپ نے پرانے زمانے کے اینٹینا والے ٹی وی دیکھے ہوں تو جب نشریاتی سگنل غائب ہوتے تھے تو سکرین پر سیاہ اور سفید نقطوں کا ایک بے ہنگم جھرمٹ ابھر آتا تھا، جسے عام طور پر 'برف پڑنا' کہا جاتا تھا۔ اس افراتفری میں کچھ بھی واضح نہیں ہوتا تھا، صرف بے معنی نقطے ناچتے دکھائی دیتے تھے۔ اب ذرا تصور کیجیے کہ کمپیوٹر کے سامنے آپ محض چند الفاظ لکھیں اور وہ ان ناچتے ہوئے نقطوں کو آہستہ آہستہ فلٹر کرنا شروع کر دے۔ دھیرے دھیرے فالتو شور کٹتا جائے، روشنی کی کرنیں پھوٹیں، رنگوں کی آمیزش ہو اور چند لمحوں بعد سکرین پر ایک ندی کے کنارے چہکتا ہوا پرندہ نمودار ہو جائے۔
یہ کوئی جادو نہیں بلکہ دھندلے پن اور شور کو بتدریج صاف کر کے تصویر بنانے والی ٹیکنالوجی (جسے ڈفیوژن ماڈل یا Diffusion Model کہا جاتا ہے) کا کمال ہے۔ تحریر سے تصویر بنانے والے جدید سافٹ ویئر (امیج جنریٹرز جیسے مڈجرنی یا کینوا) اسی بنیادی ٹیکنالوجی کا استعمال کرتے ہیں۔ یہ ماڈلز تصویروں کا کوئی پہلے سے بنا بنایا البم اپنے پاس نہیں رکھتے اور نہ انٹرنیٹ سے تصویریں کاٹ کر جوڑتے ہیں۔ اس کے بجائے وہ بالکل خالی سکرین پر پہلے کمپیوٹر کا حسابی شور (ڈیجیٹل نوائز) بکھیرتے ہیں اور پھر آپ کے دیے گئے جملے کی رہنمائی میں الٹا قدم اٹھاتے ہوئے اس شور کو مرحلہ وار صاف کرتے ہیں، یہاں تک کہ ایک نایاب اور بالکل نئی تصویر کینوس پر ابھر آتی ہے۔
بے ڈھنگے پتھر کو تراشنے والا روایتی سنگ تراش
اس عمل کی نوعیت سمجھنے کے لیے کسی ماہر سنگ تراش کی مثال دیکھیے جو پہاڑ سے لائے گئے بے ہنگم پتھر کے سامنے کھڑا ہے۔ ایک عام دیکھنے والے کو پتھر میں صرف کھردرے کونے اور مٹی نظر آتی ہے۔ لیکن سنگ تراش اپنے ذہن میں خوبصورت گھوڑے کا تصور رکھتا ہے۔ وہ پتھر پر اندھا دھند چوٹ نہیں لگاتا بلکہ بہت دھیان سے فالتو حصوں کو چھینی سے ہٹاتا جاتا ہے۔
ڈفیوژن سسٹمز میں یہ مرحلہ وار صفائی ریاضیاتی فارمولوں کے ذریعے انجام پاتی ہے، جسے شور ہٹانے کا الٹا حسابی عمل (ریورس ڈفیوژن پروسیس) کہا جاتا ہے۔ ماڈل کو معلوم ہوتا ہے کہ تحریر میں مانگے گئے پرندے کے پروں کا تناسب کیسا ہونا چاہیے۔ وہ سکرین کے باریک رنگین نقطوں (پکسلز) کو بار بار پرکھتا ہے اور فالتو ذرات کو خارج کر کے مطلوبہ رنگوں کو ابھارتا ہے۔ جس طرح پتھر کے اندر کوئی گھوڑا قید نہیں تھا بلکہ سنگ تراش نے تراش کر خدوخال واضح کیے؛ بالکل اسی طرح کمپیوٹر شور کو مٹا کر نئی تصویر تشکیل دیتا ہے۔
ڈفیوژن ماڈلز کن عملی کاموں میں مددگار ثابت ہو رہے ہیں؟
تحریر سے تصویر تراشنے کی یہ صلاحیت گرافک ڈیزائن اور عام زندگی میں وسیع تر ہو رہی ہے:
- کتابوں اور مضامین کے سرورق کی تیاری: مصنفین اور اساتذہ کا اپنی کہانی کے مخصوص موضوع پر چند منٹوں میں تصویری خاکے بنوانا۔
- پرانی دھندلی تصاویر کی بحالی: خاندانی البم کی پھٹی ہوئی اور شور زدہ پرانی تصاویر سے داغ دھبے ہٹا کر واضح بنانا۔
- گھریلو سجاوٹ اور تعمیراتی خاکے: گھر بنانے یا فرنیچر خریدنے سے پہلے کمرے کی بناوٹ اور دیواروں کے رنگوں کا خاکہ دیکھنا۔
تصویری ماڈلز کی تکنیکی حدود اور کمزوریاں
اگرچہ ڈفیوژن ماڈلز دلکش مناظر بنانے میں بے حد ماہر ہیں، لیکن ان کی چند واضح کمزوریاں ہیں جن پر نظر رکھنا ضروری ہے:
- ہاتھوں کی انگلیاں اور جسمانی تناسب: یہ ماڈلز اب بھی ہاتھوں کی چھ انگلیاں بنا دینا یا جوڑوں کو غیر فطری زاویے پر موڑ دینا جیسی غلطیاں کرتے ہیں۔
- تصویر کے اندر تحریری الفاظ کے ہجے: اگر آپ تصویر میں کسی دکان کے بورڈ پر کوئی نام لکھوانا چاہیں تو حروف اکثر الٹے اور بے معنی ہو جاتے ہیں۔
- روشنی اور زاویے کی وضاحت: کمپیوٹر کو دی گئی تحریری ہدایت (پرامپٹ) میں صرف پرندہ لکھنے کے بجائے صبح کی روشنی یا کیمرے کے زاویے کی وضاحت کرنے سے تصویر کہیں زیادہ نکھر کر سامنے آتی ہے۔
ڈفیوژن ماڈل دراصل انسان کے تخیل کو رنگوں میں ڈھالنے والا ایک جدید قلم ہے۔ یہ انسانی ذہن کی جگہ نہیں لے سکتا بلکہ آپ کی سوچ کو عملی بصری صورت دیتا ہے۔ جب ہم اس کی تکنیکی باریکیوں اور حدود سے باخبر ہو کر کام کرتے ہیں تو ہم بے جان شور سے بھی فن کے دلکش اور یادگار نمونے تخلیق کرنے میں کامیاب ہو جاتے ہیں۔