این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.

تشخیص و ویرایش اشیاء بصری با Gemini و Nano Banana

۱. مرور کلی

در این آزمایشگاه، وظایف زیر را بررسی خواهید کرد:

در اینجا چند نمونه از آنچه به دست خواهید آورد آورده شده است:

نحوه انجام تشخیص اشیاء با واژگان باز با استفاده از درک مکانی Gemini
نحوه استخراج کادرهای محدودکننده، زیرنویس‌ها و برچسب‌های پویا با استفاده از زبان طبیعی
نحوه ترمیم، تمیز کردن و صاف کردن اشیاء بصری تاب برداشته یا قدیمی
نحوه نوشتن سوالات ضروری و توصیفی برای ویرایش تصویر
چگونه به طور خلاقانه رنگ‌آمیزی کنیم و تصاویر را به سبک‌های کاملاً جدید تبدیل کنیم
چگونه تصاویر را به عکس‌های فیلم‌های لایو اکشن واقع‌گرایانه «سینمایی» کنیم

ℹ️ کل هزینه راه‌اندازی آزمایشگاه از ابتدا تا انتها کمتر از ۲ دلار آمریکا است (۴۵ تصویر هزارتایی تولید شده که هر کدام ۱۲۹۰ توکن دارند).

بیایید شروع کنیم...

برای استفاده از API جمینی ، دو گزینه اصلی دارید:

پلتفرم Via Agent (که قبلاً Vertex AI نام داشت) به همراه یک پروژه Google Cloud
از طریق Google AI Studio با کلید API Gemini

الزامات:

مورد نیاز:

درباره دریافت کلید API Gemini از Google AI Studio بیشتر بدانید.

ابزار مورد نظر خود را برای باز کردن دفترچه یادداشت انتخاب کنید:

💡 اگر از قبل یک پروژه Google Cloud با نمونه Colab Enterprise یا Workbench پیکربندی کرده‌اید، ممکن است این گزینه ترجیح داده شود.

⚠️ شما باید دفترچه یادداشت را از گیت‌هاب دریافت کنید (یا مخزن را کلون کنید) و آن را در محیط ژوپیتر خود اجرا کنید.

برای پیمایش آسان‌تر، حتماً فهرست مطالب را باز کرده و از آن استفاده کنید. مثال:

شما آماده هستید. اکنون می‌توانید دفترچه یادداشت را دنبال و اجرا کنید. از آن لذت ببرید!...

تبریک می‌گویم که آزمایشگاه کد را تمام کردید!