معرفی ابزار هوش مصنوعی ZeST یا Zero-Shot

ZeST یک تکنیک جدید هوش مصنوعی است که توسط محققان دانشگاه آکسفورد و هوش مصنوعی پایدار توسعه یافته است. این ابزار هوش مصنوعی می‌تواند مواد یک تصویر نمونه را به تصویر مقصد منتقل کند اما در عین حال ویژگی‌های تصویر مقصد مانند روشنایی، کنتراست و دیگر مشخصه‌ای آن را حفظ کند.

وب سایت پروژه یک نمای کلی از روش ZeST، نتایج و یک ویدیوی آزمایشی از آن را ارائه می دهد که بیانگر قابلیت های آن می‌باشد. ZeST یک تصویر ورودی (مثلاً یک عکس از یک سیب) و یک تصویر نمونه برای الگو گرفتن (مثلاً یک کاسه طلایی) می گیرد و بافت (در این مورد طلا) را از نمونه به تصویر ورودی با روشنایی و سازگاری دقیق منتقل می کند.

کد این برنامه در github قرار گرفته و امکان دسترسی همگان به آن فراهم است.  دستورالعمل‌هایی را برای نصب، دانلود مدل‌های مورد نیاز، اجرای دموها بر روی تصاویر و تجسم نتایج را ارائه می‌کند.

این مخزن همچنین شامل یک نسخه نمایشی Gradio است که به کاربران اجازه می دهد تا به صورت تعاملی انتقال مواد ZeST را روی تصاویر خود امتحان کنند.

این پروژه از مدل های از پیش آموزش دیده استفاده می کند و نتایج قابل تعمیم و قوی را روی تصاویر واقعی نشان می دهد.