वाइड-एंगल लेंस

वाइड-एंगल लेंस एक फोटोग्राफिक ऑप्टिक है जिसकी फोकल लंबाई उसके द्वारा कवर किए जाने वाले छवि प्रारूप के विकर्ण से छोटी होती है, जिससे देखने का क्षेत्र मानव आंख की तुलना में काफी व्यापक होता है (पूर्ण-फ्रेम 35mm कैमरे पर लगभग 50mm समकक्ष)। फोटोग्राफी और सिनेमैटोग्राफी में, यह सीमित स्थान के भीतर विशाल दृश्यों को कैद करने, अग्रभूमि तत्वों को पृष्ठभूमि के सापेक्ष बड़ा करके स्थानिक गहराई को बढ़ाने, और फ्रेम के किनारों पर एक विशिष्ट ऑप्टिकल विरूपण उत्पन्न करने का कार्य करता है, जो विशेष रूप से वास्तुशिल्प और आंतरिक शॉट्स में दिखाई देता है। जनरेटिव आर्टिफिशियल इंटेलिजेंस के संदर्भ में, यह शब्द पाठ्य संकेतों में उपयोग किया जाता है ताकि छवि और वीडियो मॉडल को ऐसी रचनाएँ उत्पन्न करने के लिए निर्देशित किया जा सके जो ऐसे ऑप्टिक्स के दृश्य हस्ताक्षर की नकल करती हैं, जिसमें सूक्ष्म चौड़ीकरण से लेकर नाटकीय, इमर्सिव वाइड-एंगल सौंदर्यशास्त्र तक शामिल है।

फोटोग्राफी के शुरुआती दिनों में उत्पन्न, वाइड-एंगल लेंस परिदृश्य और वास्तुशिल्प फोटोग्राफरों के लिए व्यावहारिक उपकरण के रूप में उभरे, जिन्हें विशाल विषयों को एक ही प्लेट पर फिट करने की आवश्यकता थी। पहले उल्लेखनीय डिज़ाइन 19वीं सदी के मध्य में दिखाई दिए, जिसमें हैरिसन एंड श्नाइटर ग्लोब लेंस (1862) और बाद में हाइपरगॉन (1900) ने लगभग 140 डिग्री तक के देखने के क्षेत्र की पेशकश की। 1930 के दशक तक, 35mm सिनेमैटोग्राफी ने वाइड-एंगल ऑप्टिक्स को अपनाया, और ग्रेग टोलैंड जैसे फिल्म निर्माताओं ने डीप-फोकस अनुक्रमों में उनके उपयोग को लोकप्रिय बनाया, सबसे प्रसिद्ध रूप से ऑरसन वेल्स की "सिटीजन केन" (1941) में, जहां अतिरंजित परिप्रेक्ष्य ने पात्रों और उनके परिवेश के बीच स्थानिक संबंधों को मजबूत किया। 20वीं सदी के अंत में, वाइड-एंगल सेटिंग्स वाले ज़ूम लेंस उपभोक्ता फोटोग्राफी में सर्वव्यापी हो गए, और कई फोकल लंबाई वाले स्मार्टफोन कैमरों के आगमन (जैसे, 2019 में एप्पल का आईफोन 11) ने आम दर्शकों के बीच वाइड-एंगल कैप्चर को सामान्य बना दिया। यह इतिहास सीधे तौर पर सूचित करता है कि आधुनिक AI सिस्टम वाइड-एंगल इमेजरी का प्रतिनिधित्व करना कैसे सीखते हैं, क्योंकि प्रशिक्षण डेटासेट में ऐसे ऑप्टिक्स के साथ शूट की गई तस्वीरों, स्टिल्स और वीडियो का विशाल संग्रह शामिल है।

वाइड-एंगल लेंस की दृश्य विशेषताएँ कई हैं और इसके प्रॉम्प्ट-योग्य गुणों को परिभाषित करती हैं। पहला, देखने का क्षेत्र: सामान्य लेंस के लगभग 40 डिग्री की तुलना में आमतौर पर 60 से 110 डिग्री या अधिक। दूसरा, परिप्रेक्ष्य अतिशयोक्ति: समानांतर रेखाएँ अधिक तेजी से अभिसरित होती हैं, और विभिन्न दूरी पर वस्तुएँ खिंची हुई दिखाई देती हैं, जिससे गहराई की भावना पैदा होती है जो नाटकीय या भटकाव वाली लग सकती है। तीसरा, बैरल विरूपण: फ्रेम के किनारों के पास सीधी रेखाएँ बाहर की ओर घुमावदार होती हैं (या फिशआई वेरिएंट में अंदर की ओर), जो विशिष्ट दृश्य स्वाद में योगदान करती हैं। चौथा, कम विषय संपीड़न: पृष्ठभूमि धारणा से अधिक दूर और छोटी दिखाई देती है। पांचवां, समकक्ष एपर्चर पर गहरी क्षेत्र की गहराई, दृश्य के अधिक हिस्से को फोकस में रखती है। AI-जनित इमेजरी में, ये लक्षण संश्लेषित होते हैं न कि भौतिक रूप से उत्पादित, लेकिन एल्गोरिदमिक मॉडल प्रॉम्प्ट कीवर्ड और प्रशिक्षण छवियों की अव्यक्त विशेषताओं के बीच सीखे गए सहसंबंधों के आधार पर उनका अनुमान लगाते हैं।

फिल्म और फोटोग्राफी में वाइड-एंगल रचना के उल्लेखनीय अभ्यासकर्ताओं में मध्य-शताब्दी की जापानी सिनेमा में केन्जी मिज़ोगुची और यासुजिरो ओज़ु शामिल हैं, बाद वाले ने स्थिर कैमरे के साथ वाइड-एंगल लेंस का उपयोग करके स्पष्ट स्थानिक ज्यामिति के साथ घरेलू आंतरिक दृश्यों को फ्रेम किया। वृत्तचित्र फोटोग्राफी में, वीगी (आर्थर फेलिग) ने 1940 के दशक के न्यूयॉर्क में कठोर शहरी दृश्यों के लिए वाइड-एंगल ऑप्टिक्स का उपयोग किया। समकालीन परिदृश्य और वास्तुकला फोटोग्राफर, जैसे जूलियस शुलमैन, ने आधुनिकतावादी संरचनाओं के विशाल पैमाने को व्यक्त करने के लिए वाइड-एंगल लेंस पर भरोसा किया। डिजिटल युग में, क्रिस्टोफर नोलन और इमैनुएल लुबेज़की जैसे निर्देशकों ने इमर्सिव एक्शन अनुक्रमों और प्राकृतिक आंतरिक दृश्यों के लिए वाइड-एंगल लेंस का उपयोग किया है (जैसे, "द रेवेनेंट," 2015, अधिकांश रन के लिए 12mm लेंस के साथ शूट किया गया)। AI अभ्यासकर्ताओं के लिए, नाम शैली से कम प्रासंगिक हैं, क्योंकि मॉडल इन दृश्य परंपराओं पर स्पष्ट विशेषता के बिना प्रशिक्षित होते हैं।

स्टेबल डिफ्यूजन, DALL-E 3, या मिडजर्नी जैसे जनरेटिव मॉडल को प्रॉम्प्ट करते समय, लेखक वाइड-एंगल सौंदर्यशास्त्र को ट्रिगर करने के लिए विशिष्ट कीवर्ड का उपयोग करते हैं। सामान्य शब्दों में "वाइड-एंगल लेंस," "अल्ट्रा-वाइड-एंगल," "फोकल लंबाई 24mm," "फोकल लंबाई 16mm," "फिशआई लेंस" (अत्यधिक विरूपण के लिए), "शॉट ऑन वाइड-एंगल," "00mm समकक्ष," और "पैनोरमिक" शामिल हैं। अधिक प्राकृतिक-भाषा प्रॉम्प्ट में, "विशाल आंतरिक" या "नाटकीय परिप्रेक्ष्य" जैसे वाक्यांश पर्याप्त हो सकते हैं, क्योंकि मॉडल ने इन्हें वाइड-एंगल दृश्यों के साथ जोड़ा है। कुछ मॉडल स्पष्ट ऑप्टिकल विनिर्देशों के लिए बेहतर प्रतिक्रिया देते हैं: जैसे, "वाइड-एंगल लेंस, 24mm, f/8, डीप फोकस।" सिनेमैटिक प्रॉम्प्ट अक्सर "वाइड-एंगल एस्टेब्लिशिंग शॉट" या "शॉट ऑन एनामॉर्फिक वाइड-एंगल" जोड़ते हैं। प्रभावशीलता मॉडल द्वारा भिन्न होती है; उदाहरण के लिए, विशिष्ट डेटासेट पर फाइन-ट्यून किए गए स्टेबल डिफ्यूजन के संस्करण (जैसे nus-wide डेटासेट, जिसमें टैग के साथ 269,648 छवियाँ हैं) "वाइड-एंगल" की व्याख्या सामान्य डिफ़ॉल्ट चेकपॉइंट्स की तुलना में अधिक सुसंगत रूप से कर सकते हैं। उन्नत प्रॉम्प्टिंग गाइड वांछित प्रभाव को अधिकतम करने के लिए लेंस कीवर्ड को "अग्रभूमि रुचि" या "लीडिंग लाइन्स" जैसे रचनात्मक संकेतों के साथ जोड़ने की सलाह देते हैं।

AI छवि निर्माण के संदर्भ में, वाइड-एंगल लेंस का उपयोग तकनीकी मापदंडों के साथ प्रतिच्छेद करता है। टेक्स्ट-टू-इमेज मॉडल एक Transformer (architecture) या डिफ्यूजन आर्किटेक्चर के माध्यम से प्रॉम्प्ट को अव्यक्त प्रतिनिधित्व में एन्कोड करते हैं; प्रॉम्प्ट एक कंडीशनिंग सिग्नल के रूप में कार्य करता है। "वाइड-एंगल" शब्द स्थानिक लेआउट डिकोडर को प्रभावित करता है ताकि वस्तुओं को अधिक गहराई पृथक्करण और किनारे की वक्रता के साथ रखा जा सके। कुछ प्लेटफ़ॉर्म, जैसे OpenAI की DALL-E श्रृंखला, में अंतर्निहित शैली संशोधक हैं जिन्हें जोड़ा जा सकता है, जबकि अन्य शुद्ध पाठ्य अनुमान पर निर्भर करते हैं। वीडियो निर्माण के लिए, Google DeepMind के Veo या स्टैंडअलोन टेक्स्ट-टू-वीडियो सिस्टम जैसे मॉडल वाइड-एंगल की व्याख्या अस्थायी अर्थ में करते हैं, कैमरा गति और स्थानिक स्वीपिंग पर जोर देते हैं। दोनों मामलों में, प्रॉम्प्ट की विशिष्टता मायने रखती है: "वाइड-एंगल" अकेले असंगत परिणाम उत्पन्न कर सकता है; संख्यात्मक फोकल लंबाई या गहराई वर्णनकर्ता जोड़ने से संरेखण में सुधार होता है, यह एक अभ्यास है जिस पर Prompt लेख में चर्चा की गई है।

AI प्रॉम्प्टिंग में अन्य ऑप्टिकल शैलियों के साथ संबंध महत्वपूर्ण है। वाइड-एंगल अक्सर टेलीफोटो या सामान्य लेंस के विपरीत होता है, जो स्थान को संपीड़ित करते हैं और विषयों को अलग करते हैं। यह मॉडल व्याख्या के लिए Logit Lens जैसी तकनीकों के साथ भी जोड़ता है, हालांकि यह असंबंधित है। AI क्षेत्र में, "वाइड-एंगल" शब्द सामुदायिक प्रॉम्प्ट लाइब्रेरी और मॉडल दस्तावेज़ीकरण में एक शैली टैग के रूप में दिखाई देता है, विशेष रूप से फ़्लिकर छवियों पर प्रशिक्षित चेकपॉइंट्स में, जिसमें NUS-WIDE डेटासेट शामिल है, जिसमें दृश्य श्रेणियों और कैमरा मेटाडेटा के लिए एनोटेशन शामिल हैं। यह डेटासेट, 2009 में सिंगापुर के राष्ट्रीय विश्वविद्यालय के शोधकर्ताओं द्वारा पेश किया गया, इसमें EXIF डेटा वाली छवियाँ शामिल हैं जिनमें फोकल लंबाई शामिल है, जिससे मॉडल फोकल लंबाई संख्याओं और दृश्य उपस्थिति के बीच सीधा मानचित्रण सीख सकते हैं। परिणामस्वरूप, "18mm" या "35mm" (भले ही यह सेंसर के लिए हमेशा वाइड-एंगल न हो) का उल्लेख करने वाले प्रॉम्प्ट अक्सर ऐसे मेटाडेटा पर फाइन-ट्यून किए गए मॉडल में वाइड-एंगल प्रभाव ट्रिगर करते हैं। हालांकि, Large language model इंटरफेस पर आधारित मॉडल भी पाठ्य विवरणों से लाभान्वित होते हैं, क्योंकि भाषा मॉडल घटक "विस्तृत दृश्य" जैसे वाक्यांशों को दृश्य अव्यक्त स्थान में मैप करता है।

प्रॉम्प्ट लेखकों के लिए व्यावहारिक सिफारिशों में अस्पष्टता से बचने के लिए सेंसर प्रारूप निर्दिष्ट करना शामिल है: "पूर्ण-फ्रेम 20mm वाइड-एंगल लेंस" अकेले "20mm" की तुलना में स्पष्ट है, जो क्रॉप सेंसर पर उतना चौड़ा नहीं होगा। वास्तुशिल्प शॉट्स के लिए, "अल्ट्रा-वाइड-एंगल, ऊर्ध्वाधर रेखाएँ अभिसरित" मजबूत परिप्रेक्ष्य विरूपण उत्पन्न करता है। परिदृश्य के लिए, "वाइड-एंगल, डीप फोकस, अग्रभूमि चट्टानें" गहराई को बढ़ाता है। चरित्र चित्रों में, "वाइड-एंगल क्लोज़-अप" चेहरे की विशेषताओं का फिशआई-जैसा अतिशयोक्ति उत्पन्न करता है, जिसे अक्सर शैलीगत प्रभाव के लिए उपयोग किया जाता है। नकारात्मक प्रॉम्प्ट, जैसे "मानक लेंस नहीं" या "टेलीफोटो संपीड़न से बचें," आउटपुट को और परिष्कृत कर सकते हैं। मॉडल टोकनाइज़ेशन में भिन्न होते हैं; कुछ "वाइड" और "एंगल" को अलग-अलग मान सकते हैं, इसलिए प्रॉम्प्ट में हाइफ़नेटेड रूप ("वाइड-एंगल-लेंस") शामिल करना कभी-कभी अधिक प्रभावी होता है।

वाइड-एंगल प्रॉम्प्टिंग का भविष्य टेक्स्ट-टू-इमेज और टेक्स्ट-टू-वीडियो सिस्टम में सुधार से जुड़ा है। जैसे-जैसे मॉडल भौतिक ऑप्टिक्स के प्रति अधिक संवेदनशील होते जाते हैं, वास्तविक और अनुकरणित वाइड-एंगल के बीच का अंतर धीरे-धीरे कम होता जाता है। एडोब-रिसर्च या समान प्रयोगशालाओं के शोधकर्ता प्रॉम्प्ट-आधारित ऑप्टिकल सिमुलेशन का पता लगा सकते हैं, लेकिन 2024 तक, वाइड-एंगल पूरी तरह से शैलीगत नियंत्रण बना हुआ है। AI निर्माण में, यह कथात्मक विसर्जन के लिए एक उपकरण है, जो ऐसे वातावरण के निर्माण को सक्षम बनाता है जो जीवन से बड़े लगते हैं, एक तकनीक जो पहले से ही वर्चुअल-रियलिटी और गेम कला में उपयोग की जाती है। अभ्यासकर्ताओं के लिए, ऐतिहासिक और ऑप्टिकल नींव को समझना अधिक सूचित प्रॉम्प्टिंग सुनिश्चित करता है, जिससे ऐसे आउटपुट मिलते हैं जो लेंस के सदियों पुराने सौंदर्यशास्त्र का सम्मान करते हैं।

तकनीकी विनिर्देश और सामान्य शब्द

एक वाइड-एंगल लेंस कैमरे के सेंसर या फिल्म आकार के सापेक्ष परिभाषित होता है। 35mm पूर्ण-फ्रेम सेंसर पर, 35mm से नीचे की फोकल लंबाई वाइड-एंगल होती है; 24mm या उससे अधिक चौड़ी अल्ट्रा-वाइड होती हैं; और फिशआई लेंस में 180 डिग्री से अधिक देखने के क्षेत्र और जानबूझकर बैरल विरूपण होता है। प्रॉम्प्ट में सामान्य विनिर्देश: 14mm (114 डिग्री), 16mm (107 डिग्री), 20mm (94 डिग्री), 24mm (84 डिग्री), 28mm (75 डिग्री), 35mm (63 डिग्री)। सुपर-वाइड विकल्पों में 8mm फिशआई और 12mm रेक्टिलिनियर शामिल हैं। चुनाव प्रभावित करता है कि दृश्य का कितना हिस्सा और परिप्रेक्ष्य कितना चरम दिखाई देता है।

AI निर्माण के लिए प्रासंगिक ऑप्टिकल सिद्धांत

गणितीय रूप से, वाइड-एंगल परिप्रेक्ष्य लेंस के प्रक्षेपण फ़ंक्शन से प्राप्त होता है। रेक्टिलिनियर लेंस छवि में सीधी रेखाएँ बनाए रखते हैं, जबकि फिशआई लेंस गोलाकार प्रक्षेपण का उपयोग करते हैं। जनरेटिव मॉडल अव्यक्त परिवर्तनों के माध्यम से इनका अनुमान लगाते हैं। यह समझना कि वाइड-एंगल निकट-दूर अनुपात को बढ़ाता है, प्रॉम्प्ट निर्माण में मदद करता है: एक अग्रभूमि विषय बड़ा दिखाई देता है, और पृष्ठभूमि दूर हटती है। Transformer (architecture)-आधारित ध्यान का उपयोग करने वाले AI के लिए, स्थानिक लेआउट स्थितीय एन्कोडिंग द्वारा निर्देशित होता है, और वाइड-एंगल प्रॉम्प्ट विशेषताओं को अधिक व्यापक रूप से फैलाने के लिए ध्यान भार को बदल सकते हैं।

सिनेमैटिक और फोटोग्राफिक शैलियाँ

वाइड-एंगल लेंस वास्तुशिल्प फोटोग्राफी (आंतरिक और बाहरी), परिदृश्य फोटोग्राफी, रियल एस्टेट, वृत्तचित्र, स्ट्रीट फोटोग्राफी, और सिनेमा (एस्टेब्लिशिंग शॉट्स, डच एंगल्स, POV अनुक्रम) में प्रमुख हैं। प्रत्येक शैली में, लेंस की विशेषताएँ विभिन्न कथात्मक भूमिकाएँ निभाती हैं। AI प्रॉम्प्ट के लिए, शैली का उल्लेख करना (जैसे, "इनडोर रियल एस्टेट शॉट, वाइड-एंगल") सामान्य अनुरोधों की तुलना में अधिक सुसंगत आउटपुट उत्पन्न कर सकता है।

प्रॉम्प्ट इंजीनियरिंग रणनीतियाँ

प्रभावी प्रॉम्प्टिंग रणनीतियों में शामिल हैं: (1) फोकल लंबाई स्पष्ट रूप से बताना: "शॉट ऑन 24mm वाइड-एंगल लेंस"; (2) प्रभाव का वर्णन करना: "अत्यधिक परिप्रेक्ष्य के साथ विशाल आंतरिक"; (3) कैमरा सेटिंग्स के साथ संयोजन: "f/4, डीप फोकस"; (4) पोस्ट-प्रोसेसिंग निर्दिष्ट करना: "बैरल विरूपण दृश्यमान"; (5) निषेध का उपयोग: "कोई फिशआई विरूपण नहीं" एक रेक्टिलिनियर वाइड शॉट के लिए। सामुदायिक उपकरण जैसे Midjourney पैरामीटर प्रीसेट या Stable Diffusion शैली कुंजियाँ भी वाइड-एंगल डिफ़ॉल्ट लागू कर सकती हैं।

अन्य लेंस शैलियों के साथ तुलना

टेलीफोटो लेंस (जैसे, 85mm या 200mm) के विपरीत, जो विषयों को संपीड़ित और अलग करते हैं, वाइड-एंगल अग्रभूमि और पृष्ठभूमि को अलग रखता है। सामान्य लेंस (लगभग 50mm) तटस्थ परिप्रेक्ष्य प्रदान करते हैं। AI प्रॉम्प्ट में, फोकल लंबाई मिश्रण संभव है, लेकिन एक सुसंगत दृश्य अक्सर एक प्रमुख ऑप्टिक से लाभान्वित होता है। इस विकी पर Prompt लेख निर्देशों की रचना पर व्यापक संदर्भ प्रदान करता है।

AI प्रशिक्षण डेटासेट में ऐतिहासिक अपनाना

टेक्स्ट-टू-इमेज मॉडल के प्रशिक्षण के लिए उपयोग किए जाने वाले कई डेटासेट में कैमरा मेटाडेटा शामिल है। NUS-WIDE डेटासेट, 2009 में NUS द्वारा जारी, में टैग के साथ 269,648 छवियाँ और EXIF फोकल लंबाई वाला एक सबसेट शामिल है। साथ ही, MIT CSAIL समूह ने MIRFlickr डेटासेट में योगदान दिया। इन्होंने मॉडल को "वाइड-एंगल" जैसे शब्दों को दृश्य पैटर्न के साथ सहसंबंधित करने की अनुमति दी है। हालांकि, 2024 तक, अधिकांश मॉडल EXIF के बारे में स्वाभाविक रूप से तर्क नहीं करते; वे कैप्शन और छवि सामग्री से सीखे गए संघों पर भरोसा करते हैं।

उल्लेखनीय मॉडल प्रतिक्रियाएँ

विभिन्न मॉडल वाइड-एंगल प्रॉम्प्ट के प्रति अलग-अलग संवेदनशीलता प्रदर्शित करते हैं। OpenAI का DALL-E 3 अक्सर तकनीकी संख्याओं के बजाय स्पष्ट गुणात्मक वर्णनकर्ताओं की आवश्यकता होती है; Anthropic का क्लॉड (छवि निर्माण के साथ) मिश्रित प्रॉम्प्ट समझता है; Google DeepMind का Imagen और Veo फोटोग्राफिक यथार्थवाद के लिए ट्यून किए गए हैं। ओपन-सोर्स मॉडल जैसे Stable Diffusion (CompVis और Stability AI के माध्यम से) में विशिष्ट लेंस के लिए LoRA या टेक्स्टुअल इनवर्जन एम्बेडिंग हैं, जो हगिंग फेस जैसे प्लेटफार्मों से डाउनलोड करने योग्य हैं।

भविष्य की दिशाएँ

भविष्य के मॉडल ऑप्टिकल सिमुलेशन परतों को शामिल कर सकते हैं, जिससे फोकल लंबाई और प्रक्षेपण पर सटीक नियंत्रण की अनुमति मिलती है। Vision-language model का उपयोग करने वाले हाइब्रिड सिस्टम पीढ़ी से पहले एक प्रस्तुत 3D दृश्य में कैमरा मापदंडों को संशोधित कर सकते हैं, जो 3D इनपेंटिंग के समान है। अभी के लिए, प्रॉम्प्ट लेखक भाषाई सटीकता और पुनरावृत्त शोधन पर भरोसा करते हैं।

संक्षेप में, AI प्रॉम्प्टिंग में वाइड-एंगल लेंस एक शैलीगत लीवर है जो एक समृद्ध फोटोग्राफिक परंपरा का लाभ उठाता है। इसके ऑप्टिकल, ऐतिहासिक और व्यावहारिक आयामों को समझकर, निर्माता इसे स्थिर और गतिशील इमेजरी में विचारोत्तेजक और दृश्य रूप से प्रभावशाली आउटपुट उत्पन्न करने के लिए उपयोग कर सकते हैं।