Next-Generation प्लॅटफॉर्म मोज़न अचूकता, रंग विश्वासार्हता, आणि दृश्य गुणवत्तेत नवीन मानक स्थापित करतो 23 नोव्हेंबर, 2025 9:23 PM EST | स्रोत: AMRYTT MEDIA हांगकंग, चायना—SoulGen आजने आपल्या AI प्रतिमा-ते-व्हिडीओ तयार करणाऱ्या प्लॅटफॉर्मचा महत्त्वाचा अप्ग्रेड, SoulGen 2. 0, लाँच केला आहे, ज्यामुळे उद्योगातील श्रेष्ठ सुधारणा होतात मोज़न अचूकता, रंग पुनरुत्पत्ती, आणि अर्थपूर्ण समज-System मध्ये. [सुधारित ग्राफिक उपलब्ध: https://images. newsfilecorp. com/files/11790/275624_930aa79a24eb482c_001full. jpg] दीर्घकालीन आव्हानांसोबत जसे शरीराच्या पोझीशन विकृती, रंगातील असमानता, आणि टेक्सचरचे नुकसान, यांना सामोरी जात SoulGen 2. 0 आपले मुख्य मोड्समध्ये मोठ्या प्रमाणावर कार्यक्षमतेत सुधारणा करतो: प्रतिमा-ते-व्हिडीओ (I2V) मध्ये 23%, मजकूर-ते-व्हिडीओ (T2V) मध्ये 17%, आणि व्हिडीओ विस्तार (Video Extension) मध्ये 19% यश मिळवते, ज्यामुळे व्यावसायिक आणि व्यवसायिक वापरासाठी तयार आउटपुट तयार होतात. मुख्य प्रगतीमध्येनुसार: मानवी मोज़न अचूकता प्लॅटफॉर्म मीन Per जॉइंट पोझिशन एरर (MPJPE) 38. 2%कमी करून 42. 3 मिमी करतो, जॉइंटची अचूकता 2. 6 सेमीपर्यंत सुधारतो आणि पोझ विकृतींना जवळजवळ रद्द करतो. योग्य की-पॉइंट्सची टक्केवारी (PCK@150mm) 96. 8% पर्यंत पोहोचते, ज्यामुळे शरीराची अॅनाटोमिकल रितीने योग्य व नैसर्गिक हालचाल सुनिश्चित होते. रंग विश्वासार्हता SoulGen 2. 0 ΔE2000 रंग फरक स्कोर 1. 27 पर्यंत पोहोचवतो—73. 7% सुधारणा—आणि हा स्कोअर मानव डोळ्याच्या अनुभूतींख्या खाली आहे. या परिणामामुळे तयार होणारे व्हिडीओ संदर्भ प्रतिमांशी सुसंगत रंग जपतात, आणि विस्तृत पोस्ट-प्रक्रिया करण्याची गरज कमी होते. सविस्तर आणि टेक्सचर जपणूक टेक्सचर गुणवत्ता सूचकांक (SSIM) 0. 947 पर्यंत व สูงतम perceptual image patch similarity (LPIPS) 56% ने कमी होऊन 0. 096 होतो, ज्यामुळे मूळ मॉडेलसारखे सूक्ष्म तपशील आणि टेक्सचर जपले जातात.

पीक सिग्नल-टू-नॉइज अनुपात (PSNR) 28. 2% वाढून 41. 8 dB होतो, जे ब्रॉडकास्ट दर्जाची तीव्रता दर्शवते. मोज़न नैसर्गिकता आणि अर्थपूर्ण जुळवणूक फ्रेको इनप्शन प्लेन्स्के (FID) 8. 45 पासून 2. 73 पर्यंत कमी होतो—67. 7% सुधारणा—यामुळे अधिक वास्तववादी, प्रवाही हालचाली दिसतात. सेमाँटक समजून घेणे 18. 5% वाढून CLIP स्कोअर 0. 891 पर्यंत पोहोचतो, ज्यामुळे मजकूर व व्हिडीओ यामधील जुळवणूक सुधारते, आणि सर्जनशील नियंत्रण अधिक सोपे होते. उत्पादन-तयार गुणवत्ता ही सुधारणा एक महत्त्वाचा टप्पा आहे कारण ती अधिक महागडे पुनर्प्रशिक्षण, मॅन्युअल दुरुस्त्या, आणि वेळखाऊ रंगीन टाकण्याची गरज कमी करते, व्यावसायिक दर्जाचे व्हिडीओ थेट प्लॅटफॉर्मवरून तयार करण्यायोग्य बनवते. कार्यप्रदर्शन आढावा: | मेट्रिक | SoulGen 1. 0 | SoulGen 2. 0 | सुधारणा | परिणाम | |-------------------|--------------|--------------|---------|----------------------------------------| | MPJPE (मिमी) | 68. 5 | 42. 3 | -38. 2% | नैसर्गिक व अचूक शरीर हालचाली | | PCK@150mm (%) | 87. 3 | 96. 8 | +10. 9% | विकृतीयुक्त शेपटी विकृती टळल्याची खात्री | | ΔE2000 | 4. 82 | 1. 27 | -73. 7% | परिपूर्ण रंग अचूकता | | SSIM | 0. 823 | 0. 947 | +15. 1% | तीव्र चेहरे वैशिष्ट्ये व टेक्सचर | | PSNR (dB) | 32. 6 | 41. 8 | +28. 2% | ब्रॉडकास्ट-ग्रेड तीव्रता | | LPIPS | 0. 218 | 0. 096 | -56. 0% | वास्तवसदृश, प्रामाणिक दृश्यता | | FID | 8. 45 | 2. 73 | -67. 7% | प्रवाही आणि नैसर्गिक हालचाल | | CLIP स्कोअर | 0. 752 | 0. 891 | +18. 5% | अचूक मजकूर-ते-व्हिडीओ समज | सुलभ उपलब्धता SoulGen 2. 0 आता सर्व वापरकर्त्यांच्या वापरासाठी open आहे, ज्यामुळे AI आधारित व्यावसायिक व्हिडीओ निर्माण अधिक सहज आणि प्रवेशयोग्य झाले आहे. SoulGen बद्दल SoulGen ही एक AI-सक्षम व्हिडीओ तयार करणारी प्लॅटफॉर्म आहे, जी प्रतिमा-ते-व्हिडीओ, मजकूर-ते-व्हिडीओ आणि व्हिडीओ विस्तार यांसारख्या वैशिष्ट्यांसह व्यावसायिक दर्जाचे टूल्स पुरवते, जी जागतिक सर्जनशील व्यावसायिकांच्या गरजा पूर्ण करते. संपर्क व स्रोत पूर्ण प्रेस रिलीज https://www. newsfilecorp. com/release/275624