প্রকল্প সম্পর্কে

Remove AI Watermarks হল একটি পাইথন প্যাকেজ এবং কমান্ড-লাইন টুলকিট যা ইমেজ এবং ভিডিওতে AI-জেনারেশন প্রোভেন্যান্স নিয়ে কাজ করার জন্য। এর ডকুমেন্টেশন বলে যে এটি ব্যবহারকারীর মালিকানাধীন বা তৈরি করা কন্টেন্টের উপর আইনিভাবে ব্যবহারের উদ্দেশ্যে এবং এটি স্টক-এজেন্সি প্রিভিউ বা অন্যান্য তৃতীয়-পক্ষের পেইড-কন্টেন্ট ওয়াটারমার্ককে লক্ষ্য করে না। ইমেজ বৈশিষ্ট্যগুলির মধ্যে রয়েছে প্রোভেন্যান্স পরিদর্শন, ঐচ্ছিক AI-বনাম-ক্যামেরা এবং সোর্স-এক্সপোর্ট শ্রেণীবিভাগ, নিবন্ধিত দৃশ্যমান চিহ্ন অপসারণ, ম্যানুয়াল অঞ্চল মুছে ফেলা এবং মেটাডেটা স্ট্রিপিং। স্বীকৃত দৃশ্যমান ইমেজ চিহ্নগুলির মধ্যে রয়েছে Google Gemini/Nano Banana sparkle, Doubao এবং Jimeng চিহ্ন, Qwen, Kling AI, Yuanbao, Baidu, LiblibAI, RunningHub এবং ক্যালিব্রেটেড Microsoft এবং Samsung ভেরিয়েন্ট। ফিলিং ডিফল্টরূপে OpenCV বা ঐচ্ছিক MI-GAN এবং LaMa ব্যাকএন্ড ব্যবহার করতে পারে। মেটাডেটা সমর্থন C2PA, EXIF, XMP, IPTC, জেনারেটর প্যারামিটার, China TC260 AIGC লেবেল এবং ভেন্ডর-নির্দিষ্ট সংকেত কভার করে। JPEG মেটাডেটা অপসারণ এনকোডেড ইমেজ স্ক্যান সংরক্ষণ করে বলে বর্ণনা করা হয়েছে। অদৃশ্য ইমেজ চিহ্নের জন্য, প্রধান CLI/API পথটি qwen-zimage, sdxl-zimage বা chroma-zimage-এর মতো ডিফিউশন পাইপলাইন ব্যবহার করে ইমেজটি পুনরুত্পাদন করে; এই পাইপলাইনগুলির জন্য CUDA প্রয়োজন এবং CPU বা Apple GPU ফ্যালব্যাক নেই। একটি বিশেষায়িত স্থানীয় Microsoft Paint InvisMark পথ ছোট পিক্সেল পরিবর্তন এবং CUDA ছাড়াই বৈধ স্থানীয় Watermarker.dll পেলোড পরিদর্শন এবং ব্যাহত করতে পারে। একটি ঐচ্ছিক যাচাই-টেক্সট পোস্ট-পাস অপারেটর-পর্যালোচিত টেক্সট ম্যানিফেস্ট গ্রহণ করে। ভিডিও কমান্ডগুলি প্রোভেন্যান্স সনাক্ত করতে, মেটাডেটা পরিদর্শন বা অপসারণ করতে, নিবন্ধিত দৃশ্যমান চিহ্ন অপসারণ করতে, ডিরেক্টরি প্রক্রিয়া করতে এবং একটি ঐচ্ছিক অদৃশ্য-পিক্সেল পুনর্জন্ম প্রোফাইল চালাতে পারে। সমর্থিত কন্টেইনারগুলির মধ্যে রয়েছে MP4, MOV, M4V, WebM, MKV, AVI এবং FLV। দৃশ্যমান ভিডিও সমর্থন Sora 2, বর্তমান এবং লিগ্যাসি Veo চিহ্ন, Seedance, Doubao, Dola, Hailuo AI এবং Kling AI তালিকা করে। ডিটেক্টরের জন্য সংলগ্ন ফ্রেম জুড়ে একটি স্থিতিশীল পুনরাবৃত্ত চিহ্ন প্রয়োজন; অডিও কপি করা হয়, পরিবর্তিত ভিডিও ট্রান্সকোড করা হয় এবং অস্থায়ী সামঞ্জস্য প্রসেসিং ডিফল্টরূপে সক্ষম করা হয়। মেটাডেটা প্রসেসিং যেখান সম্ভব স্ট্রিম ট্রান্সকোডিং এড়িয়ে চলে, TC260 ট্যাগ এবং কন্টেইনার মেটাডেটার জন্য ফরম্যাট-নির্দিষ্ট হ্যান্ডলিং সহ। ঐচ্ছিক ভিডিও SynthID পথটি শেয়ার্ড টেম্পোরাল লেটেন্ট নয়েজ সহ একটি ক্যালিব্রেটেড VAE-পুনর্জন্ম প্রোফাইল ব্যবহার করে। প্রকল্পটি বলে যে এর ডিফল্ট নয়েজ প্রোফাইল নির্দিষ্ট নমুনায় ডকুমেন্টেড প্রোভাইডার-ওরাকল চেক পাস করেছে, তবে এটি আরও নোট করে যে Google একটি স্থানীয় ডিকোডার সরবরাহ করে না, প্রতিটি ফাইলের জন্য ফলাফল নিশ্চিত নয়, প্রোভাইডার সিস্টেম পরিবর্তন হতে পারে এবং গুরুত্বপূর্ণ আউটপুট পুনরায় পরীক্ষা করা উচিত। README কপি করা অডিও ওয়াটারমার্ক স্থিতি অযাচাইিত রূপে রিপোর্ট করে। প্যাকেজটি মেটাডেটা, দৃশ্যমান অপসারণ, ভিডিও প্রসেসিং, সনাক্তকরণ, শ্রেণীবিভাগ, ডিফিউশন, পিক্সেল, HEIF, TrustMark, MI-GAN, LAMa এবং অন্যান্য বৈশিষ্ট্যের জন্য মডুলার এক্সট্রার মাধ্যমে বিতরণ করা হয়। উচ্চ-স্তরের পাইথন API ফাইল পাথ বা BGR NumPy অ্যারে গ্রহণ করে এবং একক ফাইল, ব্যাচ, মেটাডেটা পরিদর্শন, দৃশ্যমান অপসারণ, ভিডিও প্রসেসিং এবং ডিফিউশন ওয়ার্কফ্লো কভার করে। রিপোজিটরিটি একটি এজেন্ট স্কিল, একটি পৃথক ComfyUI ইন্টিগ্রেশন এবং raiw.cc-এ একটি হোস্টেড সংস্করণও ডকুমেন্ট করে। গুরুত্বপূর্ণ সীমাবদ্ধতার মধ্যে রয়েছে মুখ, টেক্সট, রেজোলিউশন, ফ্রেম রেট বা সূক্ষ্ম বিবরণে সম্ভাব্য পরিবর্তন; দৃশ্যমান পথের জন্য HDR/PQ/HLG এবং 8-বিটের বেশি ভিডিও প্রত্যাখ্যান; এবং নীতি যে একটি অনুপস্থিত স্থানীয় সংকেত মানে অজানা, নিশ্চিতভাবে পরিষ্কার নয়।