আমার বাবা ২০২২ সালের বসন্তে মারা যান। অগ্ন্যাশয়ের ক্যান্সার, রোগ নির্ণয়ের এগারো সপ্তাহ পর। তিনি ছিলেন একজন শান্ত মানুষ যিনি ছবি তোলা অপছন্দ করতেন, তাই যখন আমরা অন্ত্যেষ্টিক্রিয়ার অনুষ্ঠানসূচির জন্য একটি ছবি বেছে নিতে বসলাম, পরিবারের কাছে গত দশকের সম্ভবত পনেরোটি ছবি ছিল বেছে নেওয়ার মতো। দুটি ছিল ফোকাসে। কোনোটিই তার মতো দেখায়নি।
আমরা শেষ পর্যন্ত যেটি ব্যবহার করেছিলাম তা ছিল ২০১৮ সালের একটি বিয়ের। তিনি ক্যামেরার বাইরে কোনো কিছুর দিকে তাকিয়ে ছিলেন — আমার মনে হয় একটি শিশু দৌড়ে যাচ্ছিল — এবং তার মুখ দুটি অভিব্যক্তির মাঝখানে ধরা পড়েছিল। সেই রাতে আমার মা বলেছিলেন, "এটি সে নয়।" তিনি ঠিকই বলেছিলেন, কিন্তু এটিই ছিল আমাদের সেরা।
পরবর্তী আঠারো মাস আমি শিখেছিলাম কীভাবে পরিচয়-সংরক্ষণকারী ডিফিউশন মডেল কাজ করে — প্রথমে InstantID, তারপর PuLID, তারপর প্রাথমিক Flux-Kontext ধারা। আমার একটি পেশাগত কারণ ছিল; আমি DuoPortrait তৈরি করছিলাম। আমার একটি ব্যক্তিগত কারণও ছিল। আমি আমার বাবার একটি ভালো ছবি তৈরি করতে চেয়েছিলাম, যেভাবে আমি তাকে মনে রাখি, এমনকি যদি কোনো ক্যামেরা সেই চেহারা কখনও ধরে না-ও থাকে।
এটি যত্ন সহকারে করা সম্পর্কে আমি যা শিখেছি তা এই। আমি এটি লিখছি কারণ প্রশ্নগুলো এখন প্রায় প্রতি সপ্তাহে আমার ইনবক্সে আসে, এবং "মৃত প্রিয়জনদের AI পুনরুদ্ধার" নিয়ে অনলাইনে যা লেখা হয় তার বেশিরভাগই হয় প্রযুক্তিগতভাবে ভুল অথবা আবেগগতভাবে অসংবেদনশীল।
প্রথমে, সেই অংশ যা নিয়ে কেউ লেখে না
পিক্সেল নিয়ে কথা বলার আগে: অনুগ্রহ করে এটি করার আগে একটু থামুন।
যিনি চলে গেছেন তার একটি ছবির একটি বিশেষ ওজন আছে। এটি সেই কয়েকটি অবশিষ্ট চিহ্নের একটি যা বাকি বিশ্ব চিনতে পারে। আপনি যদি সেই ব্যক্তির একটি নতুন ছবি তৈরি করেন — এমনকি একটি সুন্দর, সত্য-অনুভূত ছবি — আপনি পরিবারের রেকর্ডে এমন একটি মুখ পরিচয় করিয়ে দিচ্ছেন যা গতকাল সেখানে ছিল না। পরিবারের কিছু মানুষ এতে সান্ত্বনা পাবেন। কেউ কেউ বিভ্রান্ত হবেন। কয়েকজন এমনভাবে বেদনা অনুভব করতে পারেন যা তারা মাসের পর মাস ব্যাখ্যা করতে পারবেন না।
আমি আমার বাবার ছবি তৈরি করেছিলাম এবং মাকে দেখানোর আগে দুই সপ্তাহ অপেক্ষা করেছিলাম। যখন দেখালাম, তিনি কেঁদেছিলেন, এবং তারপর বলেছিলেন, "ধন্যবাদ। আর একটি বানিও না।" আমি বানাইনি।
এই নিয়মটি এখন আমি বন্ধুদের দিই যারা জিজ্ঞাসা করে: একটি বানান, একটি ধারাবাহিকতা নয়। ব্যক্তির একটি একক, যত্ন সহকারে নির্বাচিত ছবি, এমন একটি মুহূর্তে যা তিনি যে ছিলেন তা সম্মান করে। কোনো স্লাইডশো নয়, কোনো কল্পনার জীবন নয়। শোকের আরও উপাদানের প্রয়োজন নেই; এটির প্রয়োজন বিশ্রাম নেওয়ার জন্য একটি ভালো স্থির ফ্রেম।
যদি কোনো নির্দিষ্ট পরিবারের সদস্য এটির অস্তিত্ব চাইবেন কিনা তা নিয়ে আপনার কোনো সন্দেহ থাকে — তাদের ফোন করুন এবং জিজ্ঞাসা করুন। যাকে তারা শোক করছেন তার মুখ দিয়ে মানুষকে অবাক করবেন না।
আমেরিকান সাইকোলজিক্যাল অ্যাসোসিয়েশনের শোকে অব্যাহত বন্ধন সম্পর্কিত নির্দেশিকা শুরু করার আগে পড়ার যোগ্য, বিশেষত যদি ক্ষতি সাম্প্রতিক হয়।
প্রযুক্তিগত অংশ
মানুষ "AI ছবি পুনরুদ্ধার" বলতে প্রায়ই তিনটি ভিন্ন জিনিস বোঝায়:
- একটি বিদ্যমান ক্ষতিগ্রস্ত ছবি মেরামত করা। আঁচড়, বিবর্ণতা, কম রেজোলিউশন।
- এমন একটি ছবি পুনরায় তৈরি করা যা শুধু একটি ছোট বা নিম্নমানের ফাইলে বিদ্যমান। ২০০৩ সালের একটি 480×640 JPEG।
- এমন একটি দৃশ্যে ব্যক্তির একটি নতুন ছবি তৈরি করা যা কখনও তোলা হয়নি। একজন দাদা-দাদি যিনি তাদের মৃত্যুর পর জন্ম নেওয়া একটি নাতি-নাতনিকে কোলে নিয়েছেন।
প্রতিটির ভিন্ন নৈতিক ও প্রযুক্তিগত ওজন আছে। আমি ক্রমানুসারে যাব।
১. একটি ক্ষতিগ্রস্ত মূল মেরামত করা
এটি সবচেয়ে সহজ এবং সবচেয়ে কম নৈতিকভাবে জটিল। ছবিটি ইতিমধ্যে বিদ্যমান; আপনি আঁচড়, ধুলো, রঙের পরিবর্তন এবং ইমালশন ক্ষতি সরিয়ে ফেলছেন। ব্যক্তির মুখ অপরিবর্তিত থাকে।
আধুনিক ওপেন-সোর্স পুনরুদ্ধার যথেষ্ট ভালো যে বেশিরভাগ ক্ষেত্রে আপনার একটি পেশাদার পরিষেবার প্রয়োজন নেই। GFPGAN এবং Real-ESRGAN পারিবারিক অ্যালবামের কাজের ৯০% পরিষ্কারভাবে পরিচালনা করে। আপনি স্ক্যানটি আপলোড করেন, মডেল ক্ষতি সরিয়ে মুখ শার্প করে, আপনি একই ব্যক্তিকে উচ্চতর বিশ্বস্ততায় ফিরে পান।
এখানে শৃঙ্খলা হলো: একবার পুনরুদ্ধার করুন, মূলটি আলাদাভাবে সংরক্ষণ করুন, ছবিটি বারবার "উন্নত" করবেন না। প্রথম পুনরুদ্ধার সাধারণত বিশ্বস্ত। তৃতীয়টি ব্যক্তির পরিবর্তে মডেলের ব্যক্তি সম্পর্কে ধারণার মতো অনুভূত হতে শুরু করে।
২. একটি ক্ষুদ্র বা নিম্নমানের ফাইল থেকে পুনরায় তৈরি করা
এখানেই এটি সূক্ষ্ম হয়ে ওঠে। যদি কারও আপনার একমাত্র ছবি একটি 320×240 JPEG হয়, একটি পরিচয়-সংরক্ষণকারী মডেল প্রশংসনীয়ভাবে একটি 2048×2048 সংস্করণ তৈরি করতে পারে যা "তাদের মতো দেখায়।" কিন্তু মডেলটি এমন পিক্সেল উদ্ভাবন করছে যা কখনও ক্যামেরা দ্বারা রেকর্ড করা হয়নি, এবং সেই উদ্ভাবিত পিক্সেলগুলো তাদের ত্বক, চুল, চোখের রঙ কেমন ছিল তার অনুমান।
আমি যে নিয়ম ব্যবহার করি: আমি যে ক্ষুদ্রতম উৎস ফাইল থেকে কাজ করব তা হলো এমন একটি যেখানে আমি স্পষ্টভাবে উভয় চোখ, মুখের কোণ এবং নাকের রেখা দেখতে পারি। যদি উৎসটি এতটাই কম-রেজোলিউশনের হয় যে মডেলটি চোখের আকার অনুমান করছে, আপনি ব্যক্তিকে পুনরুদ্ধার করছেন না; আপনি মডেলকে সিদ্ধান্ত নিতে দিচ্ছেন তারা কে ছিল। এটিই সীমারেখা।
রঙ হলো সতর্ক থাকার অন্য জায়গা। যদি উৎসটি বয়সের কারণে প্রচণ্ড হলুদাভ বা সায়ান-শিফটেড হয়, প্রথমে একই যুগের একটি রেফারেন্স ছবির ভিত্তিতে এটি ম্যানুয়ালি রঙ-সংশোধন করুন। মডেলকে নিজে থেকে একটি ১৯৭৮ সালের প্রিন্ট "হোয়াইট-ব্যালেন্স" করতে দেবেন না। এটি ত্বক সম্পর্কে ভুল অনুমান করবে এবং আপনি তা ভুলতে পারবেন না।
৩. একটি নতুন ছবি তৈরি করা
মানুষ যখন "যিনি চলে গেছেন তার AI পুনরুদ্ধার" বলে তখন তারা আসলে এটিই চায়। প্রযুক্তিগতভাবে পুনরুদ্ধার নয় — সৃষ্টি। এমন একটি দৃশ্যে ব্যক্তির একটি নতুন ছবি যা কখনও তোলা হয়নি: যে বিয়ে তিনি দেখার জন্য বাঁচেননি, পরে জন্ম নেওয়া নাতি-নাতনিকে কোলে নিয়ে, যে বাড়ির বারান্দায় তিনি কখনও যাননি।
কয়েকটি নীতি, কঠোরভাবে অর্জিত:
- একটি মুহূর্ত বেছে নিন, একটি কল্পনা নয়। "শনিবার সকালে বাবা কফি নিয়ে" এমন কিছু তৈরি করে যা সৎ। "স্বর্গে বাবা তার নাতি-পুতিদের সাথে দেখা করছেন" এমন কিছু তৈরি করে যা মডেল এমনভাবে রেন্ডার করবে যা বেমানান মনে হয়, কারণ দ্বিতীয় প্রম্পটের জন্য মডেলের কোনো সৎ রেফারেন্স নেই।
- আপনার কাছে থাকা সেরা রেফারেন্স ছবি ব্যবহার করুন, সবচেয়ে আকর্ষণীয়টি নয়। মডেল যা দেখে তা সংরক্ষণ করবে। যদি রেফারেন্স ব্যক্তিকে উত্তেজিত বা অসুস্থ দেখায়, আউটপুট তা বহন করবে। এমন একটি রেফারেন্স বেছে নিন যেখানে ব্যক্তি একটি ভালো দিনে নিজের মতো দেখায়।
- তারা যে দিনের সময় সত্যিই পছন্দ করতেন সেই সময়ে তৈরি করুন। আমার বাবা ছিলেন সকালের মানুষ। তার যে সংস্করণ আমি রেখেছি তা সকালের আলোতে। তাকে গোল্ডেন-আওয়ার সন্ধ্যার আলোতে জোর করে আনা একটি সংস্করণ তৈরি করত যা প্রযুক্তিগতভাবে সুন্দর কিন্তু আবেগগতভাবে ভুল।
- তাদের পোশাক হওয়া উচিত তাদের পোশাক। তারা আসলে যে ধরনের শার্ট পরতেন তা বর্ণনা করুন। একটি সাধারণ লিনেন স্যুটে রেন্ডার করা দাদা অন্য কেউ। সপ্তাহান্তে তিনি যে নরম ফ্ল্যানেল পরতেন তাতে দাদা তিনিই।
২০২৬ সালে এর জন্য আমি যে মডেলকে সবচেয়ে বেশি বিশ্বাস করি তা হলো InstantID + Flux-Kontext সংমিশ্রণ। এটি কম রেফারেন্স রেজোলিউশনেও মুখের জ্যামিতি দৃঢ়ভাবে সংরক্ষণ করে, এবং এটি কিছু পূর্ববর্তী মডেলের মতো ত্বকের গঠন অতিরিক্ত মসৃণ করে না। (মসৃণ করা ত্বক পরিবারের কাছে প্রায় সঙ্গে সঙ্গে "AI" হিসেবে পড়ে — লোমকূপ ও ছোট রেখাই একটি মুখকে বাস্তব হিসেবে পড়ায়।)
পরে ছবিটি নিয়ে কী করবেন
একটি কপি প্রিন্ট করুন। পেছনে তারিখ লিখুন। উৎস ফাইলগুলো মূল রেফারেন্স ছবির সাথে একত্রে রাখুন। কে দেখতে পারে তা না ভেবে এটি প্রকাশ্যে পোস্ট করবেন না — একজন ভাই বা বোনের শোক তাদের নিজস্ব, এবং একটি প্রকাশ্য Facebook পোস্ট তাদের বাবা-মায়ের মুখ আবার দেখার পছন্দের উপায় নাও হতে পারে।
আমি আমার বাবার পোর্ট্রেট বইয়ের তাকে ২০১৮ সালের বিয়ের ছবির পাশে একটি ছোট ফ্রেমে রাখি। ফ্রেমটি একই। বিয়ের ছবিটি এখনও সেটি যা ঘরে এলে বেশিরভাগ মানুষ প্রথমে লক্ষ্য করে, কারণ এটিই তারা অন্ত্যেষ্টিক্রিয়ার অনুষ্ঠানসূচি থেকে মনে রাখে। নতুনটি আমার জন্য।
আপনি যদি এটি চেষ্টা করতে চান
DuoPortrait-এর একটি স্মরণ মোড আছে যা বিশেষভাবে এই ব্যবহারের জন্য ডিজাইন করা হয়েছে। ইন্টারফেসটি স্ট্যান্ডার্ড প্রবাহের চেয়ে শান্ত — কোনো ইমোজি নেই, কোনো বিস্ময়সূচক চিহ্ন নেই, ধীর লেখা। আপনি ব্যক্তির একটি রেফারেন্স ছবি আপলোড করেন, একটি দৃশ্য বেছে নেন, এবং প্রিন্ট রেজোলিউশনে একটি একক ছবি পান। প্রথম ছবিটি বিনামূল্যে। উৎস ফাইল সাত দিন পর মুছে ফেলা হয়। ছবিটি কখনও কোনো মডেল প্রশিক্ষণে ব্যবহৃত হয় না।
আমি এই মোডটি তৈরি করেছি কারণ স্ট্যান্ডার্ড "AI ফটোশুট" সুর মানুষ আসলে যে কাজে এই টুলগুলো ব্যবহার করছিল তার জন্য ভুল ছিল। শোক একটি ধীর ইন্টারফেসের যোগ্য।
আপনি যদি শোক এবং এতে ছবির ভূমিকা সম্পর্কে আরও পড়তে চান, Modern Loss প্রবন্ধ সংকলন এই বিষয়ে আমার জানা সেরা লেখা। ২০২২ সালে আমি এটিই পড়েছিলাম।
নিজের যত্ন নিন। যদি একটি ছবি বানান, একটি বানান।
Mia Tanaka একজন পোর্ট্রেট আলোকচিত্রী এবং ভিজ্যুয়াল-AI ডিজাইনার। ছবি ও ক্ষতি নিয়ে তার নিজের পারিবারিক অভিজ্ঞতার পর তিনি DuoPortrait প্রতিষ্ঠা করেন।
