Controllable Dance Generation with Style-Guided Motion Diffusion
تقترح هذه الورقة نموذج "توليد الحركة الموجه بالأسلوب" (SGMD)، وهو إطار عمل مبتكر يدمج بنية قائمة على "المحول" (Transformer) مع وحدة تعديل الأسلوب والتقنيات القائمة على القناع المكاني-الزماني لتوليد تسلسلات رقص واقعية ومتوافقة مع الموسيقى، وتكون متسقة أسلوبياً وقابلة للتحكم بمرونة لمهام مثل توليد المسارات، والملء البيني، وإكمال الأجزاء المفقودة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك مصمم رقصات تحاول تعليم روبوت كيف يرقص. تواجه مشكلتين كبيرتين:
- الروبوت ممل: يستمر في أداء نفس الحركة مراراً وتكراراً، أو يرقص بطريقة لا تتناسب مع أجواء الموسيقى.
- الروبوت جامد: لا يمكنك أن تقول له، "مهلاً، أبقِ قدميك ثابتتين ولكن لوّح بذراعيك"، أو "ابدأ بدوران بطيء ثم تسارع". هو فقط يفعل ما يحلو له.
تقدم هذه الورقة البحثية نظاماً جديداً يسمى SGMD (انتشار الحركة الموجه بالأسلوب - Style-Guided Motion Diffusion) والذي يحل كلتا المشكلتين. فكر في الأمر كأنك تمنح الروبوت أذناً موسيقية، وشخصية، وعجلات تدريب يمكنك ضبطها أثناء العمل.
إليك كيف يعمل هذا النظام، مقسماً إلى مفاهيم بسيطة:
1. عملية "الانتشار" (Diffusion): طين النحات
تخيل كتلة من الرخام مغطاة بالضباب. في البداية، لا يمكنك رؤية التمثال بداخلها؛ إنها مجرد فوضى ضبابية.
- الذكاء الاصطناعي القديم: يحاول تخمين شكل التمثال فوراً. وغالباً ما يخطئ في التقدير أو يصنع تمثالاً غريباً ومتجمداً.
- هذا الذكاء الاصطنال الجديد (الانتشار): يبدأ بالكتلة الضبابية ثم يقوم ببطء، خطوة بخطوة، بإزالة الضباب. ومع كل مسحة، تصبح حركات الرقص أكثر وضوحاً وتحديداً حتى يظهر رقص مثالي وانسيابي. عملية "إزالة الضباب" هذه تسمى الانتشار (diffusion). الأمر يشبه النحت عن طريق إزالة الضجيج ببطء حتى يظهر الفن.
2. "دليل الأسلوب": نص المخرج
في السابق، إذا قلت للروبوت، "ارقص على هذه الأغنية"، فقد يرقص كآلة، أو كراقص باليه، أو كفنان هيب هوب، لكنه لن يعرف أياً منها يختار. كان الأمر يشبه إعطاء نص لممثل دون إخباره بنوع العمل الدرامي.
يضيف هذا النظام الجديد طبقة "تعديل الأسلوب" (Style Modulation).
- التشبيه: تخيل أنك تخرج فيلماً. تقول للممثل، "هذا مشهد حزين"، أو "هذه حفلة مفعمة بالحيوية".
- كيف يعمل: يقبل النظام مطالبات نصية (مثل "رقص هاوس"، "ستريت جاز"، أو حتى وصف طويل مثل "دورات حيوية وحركات قوية"). يستخدم "مترجماً" خاصاً (وحدة برمجية خفيفة) لضخ تلك الشخصية في الرقص دون إفساد الإيقاع. هذا يضمن أن يرقص الروبوت بـ "روح" مناسبة.
3. "القناع الزماني-المكاني": عجلات التدريب
هذا هو الجزء "القابل للتحكم". أحياناً لا تريد من الروبوت أن يبتكر الرقصة بأكملها؛ بل تريد أن تعطيه هيكلاً عظمياً وتتركه يملأ الفراغات.
- التشبيه: تخيل كتاب تلوين حيث ترسم الخطوط الخارجية لأرجل الراقص، وعلى الذكاء الاصطناٍعي أن يلون بقية الجسد. أو، تخيل أنك تريد للراقص أن يبدأ من الجانب الأيسر من المسرح وينتهي في الجانب الأيمن، لكنك تريد من الذكاء الاصطناعي أن يبتكر الخطوات التي بينهما.
- كيف يعمل: يستخدم النظام قناعاً (mask) (شبكة من مربعات "نعم" و"لا").
- الزمن (Temporal): يمكنك القول، "اجعل أول ثانيتين تماماً كما سجلتهما، ولكن غير الباقي".
- المكان (Spatial): يمكنك القول، "اجعل الأرجل تتحرك تماماً كما سجلتها، ولكن ابتكر حركات جديدة للذراعين".
هذا يسمح بـ الترميم (Inpainting) (إصلاح جزء مكسور من الرقصة)، والربط (In-betweening) (ملء الفجوة بين وضعيتين)، والتحكم في المسار (Trajectory Control) (جعل الراقص يتبع مساراً معيناً).
4. "مترجم الموسيقى": الأذن
لجعل الرقص يتزامن مع الإيقاع، لا يكتفي النظام بالاستماع إلى الموسيقى فحسب؛ بل يفهمها بعمق.
الورقة اختبرت طرقاً مختلفة لـ "سماع" الموسيقى. ووجدوا أن استخدام أداة تسمى Jukebox (وهي تشبه ذكاءً اصطناعياً فائق الذكاء للموسيقى) هو الأفضل. فهي تساعد الروبوت على فهم ليس فقط الإيقاع، بل شعور الأغنية أيضاً، بحيث تضرب الرقصة دقات الطبل بدقة متناهية.
لماذا يعد هذا أمراً هاماً؟
- إنه مرن: لست مقيداً بنوع واحد من الرقص. يمكنك طلب "باليه حزين" أو "هيب هوب سعيد" لنفس الأغنية، وسيتغير الأسلوب فوراً.
- إنه قابل للتعديل: إذا أعجبتك رقصة ولكنك تريد تغيير حركات الذراعين فقط، يمكنك القيام بذلك دون إعادة توليد الرقصة بأكملها.
- إنه واقعي: تبدو الرقصات طبيعية، مع ارتطام الأقدام بالأرض بشكل صحيح وانسياب الحركات بسلاسة، مما يتجنب المظهر "المتقطع" الذي تعاني منه الأنظمة القديمة.
باختاًختصار
فكر في هذه الورقة البحثية كبناء شريك رقص افتراضي يستمع إلى موسيقاك، ويفهم حالتك المزاجية (الأسلوب)، ويتبع تعليماتك المحددة (القيود)، بينما يتعلم الرقص بشكل أفضل في كل مرة يحاول فيها. إنها تحول العملية الفوضوية لتوليد رقص الذكاء الاصطناعي إلى أداة إبداعية قابلة للتحكم للفنانين ومصممي الألعاب.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.