Image support

क्लाउड की विजन क्षमताएँ (Cloud Vision Capabilities)

• मूल कार्य: क्लाउड को उपयोगकर्ता संदेश (user message) के साथ चित्र (images) भेजे जा सकते हैं। क्लाउड इन चित्रों के साथ लगभग कोई भी कार्य कर सकता है।
• चित्रों में क्या है, यह बताना।
• विभिन्न चित्रों की तुलना करना।
• वस्तुओं (objects) की गिनती करना।

तकनीकी सीमाएँ और आवश्यकताएँ (Technical Limitations and Requirements)

• चित्र की संख्या: एक ही अनुरोध (request) में सभी संदेशों में अधिकतम 100 चित्र भेजे जा सकते हैं।
• सीमाएँ: प्रत्येक चित्र के आकार (size), ऊँचाई (height) और चौड़ाई (width) की सीमाएँ होती हैं।
• टोकन शुल्क: क्लाउड को चित्र भेजने पर यह टोकन के रूप में गिना जाता है, जिसके लिए शुल्क लिया जाता है।
• इमेज ब्लॉक (Image Block): चित्र भेजने के लिए उपयोगकर्ता संदेश के भीतर एक विशेष 'इमेज ब्लॉक' का उपयोग किया जाता है।
• एक इमेज ब्लॉक एक ही चित्र का संदर्भ रखता है।
• इसमें या तो कच्चे चित्र डेटा (raw image data) या किसी ऑनलाइन होस्ट की गई छवि का URL दिया जा सकता है।

सफल परिणाम के लिए प्रॉम्प्ट इंजीनियरिंग (Prompt Engineering for Success)

• महत्व: चित्रों के साथ अच्छे परिणाम प्राप्त करने के लिए मजबूत प्रॉम्प्टिंग तकनीकों पर ध्यान केंद्रित करना सबसे महत्वपूर्ण है। साधारण प्रॉम्प्ट अक्सर गलत परिणाम देते हैं।
• प्रभावी तकनीकें:
• गाइडलाइन प्रदान करना: क्लाउड को विश्लेषण के लिए चरण (steps) प्रदान करना।
• विश्लेषण चरण: क्लाउड को एक विशिष्ट क्रम में सोचने के लिए कहना (जैसे: पहले पहचानो → फिर गिनो → फिर सत्यापित करो)।
• वन-शॉट या मल्टी-शॉट उदाहरण: उपयोगकर्ता संदेश में चित्र और टेक्स्ट को बारी-बारी से रखकर उदाहरण देना।

वास्तविक उपयोग का उदाहरण (Real-World Use Case: Fire Risk Assessment)

• परिदृश्य: बीमा सत्यापन के लिए सैटेलाइट इमेजरी का उपयोग करना।
• आवश्यक कार्य:
• संपत्ति पर मुख्य निवास (main residence) का पता लगाना।
• पेड़ों की सघनता (tree density) की जाँच करना।
• आग सेवाओं के लिए संपत्ति तक पहुँच (access) की क्षमता का आकलन करना।
• निवास पर लटकती शाखाओं (overhanging branches) की जाँच करना।
• प्रॉम्प्ट संरचना: एक विस्तृत प्रॉम्प्ट देना जिसमें विश्लेषण के लिए कई चरण और निर्णय लेने के लिए मानदंड (criteria) शामिल हों।

कार्यान्वयन (Implementation)

• प्रक्रिया:
• चित्र फ़ाइल को खोलना।
• चित्र की सामग्री को बेस 64 (Base64) में परिवर्तित करना।
• एक उपयोगकर्ता संदेश बनाना जिसमें एक 'इमेज ब्लॉक' और एक 'टेक्स्ट ब्लॉक' (जिसमें विस्तृत प्रॉम्प्ट हो) शामिल हो।
• चैट फ़ंक्शन को संदेशों की सूची के साथ कॉल करना।

Takeaways

• क्लाउड विजन क्षमताएँ चित्रों में वस्तुओं की पहचान, तुलना और गिनती जैसे जटिल कार्य कर सकती हैं।
• सफल परिणाम के लिए प्रॉम्प्ट इंजीनियरिंग आवश्यक है; क्लाउड को विश्लेषण के लिए चरण (steps) और उदाहरण (examples) प्रदान करें।
• चित्र भेजने के लिए 'इमेज ब्लॉक' का उपयोग किया जाता है, और एक अनुरोध में अधिकतम 100 चित्र भेजे जा सकते हैं।
• कार्यान्वयन के लिए चित्र को बेस 64 में परिवर्तित करना और 'इमेज ब्लॉक' के साथ विस्तृत प्रॉम्प्ट भेजना आवश्यक है।