🤖 AI

SpaceControl: Introducing Test-Time Spatial Control to 3D Generative Modeling

يُعد SpaceControl طريقةً لا تتطلب تدريباً وتعمل أثناء وقت الاختبار، تتيح تحكماً مكانياً بديهياً ودقيقاً في توليد الأصول ثلاثية الأبعاد من خلال قبول مدخلات هندسية متنوعة والتكامل بسلاسة مع النماذج الحالية لتحقيق دقة هندسية فائقة مع الحفاظ على جودة بصرية عالية.

المؤلفون الأصليون: Elisabetta Fedele, Francis Engelmann, Ian Huang, Or Litany, Marc Pollefeys, Leonidas Guibas

نُشر 2026-03-16

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Elisabetta Fedele, Francis Engelmann, Ian Huang, Or Litany, Marc Pollefeys, Leonidas Guibas

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 تريد بناء قطعة أثاث مخصصة لغرفة معيشتك الافتراضية. لديك فنان ذكاء اصطناعي قوي يمكنه إنشاء كراسي، أرائك، وطاولات ثلاثية الأبعاد مذهلة بمجرد الاستماع إلى صوتك أو النظر إلى صورة.

المشكلة:
المشكلة هي أن فنان الذكاء الاصطناعي هذا يشبه إلى حد كبير طباخاً موهوباً ولكنه عنيد قليلاً.

إذا قلت له: "اصنع لي كرسياً"، فقد يصنع كرسياً، لكن مسند الظهر قد يكون مرتفعاً جداً، أو الأرجل قد تكون قصيرة جداً.
إذا عرضت عليه صورة لكرسي، فإنه يحاول تقليدها، ولكن من الصعب أن تخبر الذكاء الاصطناعي بالضبط أي جزء تريد تغييره دون إفساد الشيء بأكل.
إذا أردت أن تقول: "اجعل مسند الظهر مائلاً بزاوية 20 درجة بالضبط"، فإن الذكاء الاصطناعي لا يفهم حقاً هذا المستوى من الدقة.

الطرق الحالية لإصلاح ذلك تتطلب منك عادةً "إعادة تدريب" الطباخ (تعليمه لغة جديدة)، وهو أمر يستغرق شهوراً وأموالاً طائلة، أو تضطر لقضاء ساعات في تعديل النتيجة يدوياً، وهو أمر بطيء ومحبط.

الحل: SPACECONTROL
تقدم الورقة البحثية SPACECONTROL، وهي "عصا سحرية" جديدة تسم تتيح لك التحكم في فنان الذكاء الاصطناعي دون إعادة تدريبه ودون قضاء ساعات في التعديل.

إليك كيف يعمل، باستخدام تشبيه بسيط:

1. "المخطط" مقابل "المنزل النهائي"

فكر في عملية توليد الذكاء الاصطناعي كبناء منزل.

المرحلة 1 (الهيكل): أولاً، يبني الذكاء الاصطناعي الهيكل الخشبي الخشن للمنزل.
المرحلة 2 (الديكور): ثم يضيف الطلاء، ورق الجدران، والأثاث.

تسمح لك SPACECONTROL بتسليم الذكاء الاصطناعي سكيتشاً (رسم تخطيطي) ثلاثي الأبعاد خشناً (مثل شكل بسيط مكون من كتل أولية سريعة جداً) قبل أن يبدأ في البناء.

بدلاً من قول "ابنِ منزلاً"، تقول: "ابنِ منزلاً، ولكن تأكد من أن الهيكل يشبه تماماً هذا الشكل الكتلي الذي رسمته".
يأخذ الذكاء الاصطناعي شكلك الكتلي، ويحوله إلى "شبح" داخل عقله، ويستخدمه كدليل أثناء بنائه للمنزل التفصيلي النهائي.

2. "مقبض التحكم في الصوت" (السر الخفي)

الجزء الأروع في SPACECONTROL هو منزلق يسمى $\tau_0$ (تاو-زيرو). فكر في هذا كأنه مقبض تحكم في مستوى الصوت لمدى سيطرتك.

عند خفض المقبض (تحكم منخفض): يستمع الذكاء الاصطناعي إلى السكيتش الكتلي الخاص بك، ولكنه يتبع حدسه الفني في الغالب. تبدو النتيجة واقعية جداً و"طبيعية"، ولكنها قد لا تشبه تماماً السكيتش الخاص بك.
عند رفع المقبض (تحكم عالٍ): يتجاهل الذكاء الاصطناعي حدسه الخاص ويجبر الكائن النهائي على مطابقة السكيتش الخاص بك تماماً. يكون الشكل هو بالضبط ما أردته، ولكن قد يبدو "متصلباً" أو أقل طبيعية قليلاً.
النقطة المثالية: يمكنك سحب المنزلق إلى المنتصف للحصول على التوازن المثالي: كرسي يبدو تماماً مثل الشكل الذي رسمته، ولكنه لا يزال يبدو ككرسي حقيقي وعالي الجودة.

3. لماذا يعد هذا أمراً هاماً؟

لا يتطلب تدريباً: عادةً، إذا كنت تريد من الذكاء الاصطناعي أن يفهم طريقة جديدة في الرسم، يجب عليك تغذيته بآلاف الأمثلة والانتظار لأيام ليتعلم. تعمل SPACECONTROL فوراً على النماذج المدربة بالفعل. الأمر يشبه إعطاء الطباخ بطاقة وصفة جديدة قبل أن يبدأ في الطبخ مباشرة، بدلاً من إرساله إلى مدرسة طهي لمدة عام.
يعمل مع أي شيء: يمكنك استخدام أشكال بسيطة (مثل مكعب أو كرة) أو نماذج ثلاثية الأبعاد معقدة تمتلكها بالفعل.
التعديل في الوقت الفعلي: قام المؤلفون ببناء أداة حيث يمكنك سحب منزلق على كرسي ثلاثي الأبعاد، ويقوم الذكاء الاصطناعي بتحديث الكرسي فوراً ليتناسب مع شكلك الجديد. إنه يشبه نحت الطين، ولكن الطين مصنوع من سحر رقمي.

ملخص التشبيه

تخيل أنك تخرج فيلماً.

الطريقة القديمة: يتعين عليك استئجار مخرج جديد متخصص في "الكراسي" (الاعتماد على التدريب) أو قضاء 10 ساعات في تحرير اللقطات إطاراً بإطار (الاعتماد على التحسين).
طريقة SPACECONTROL: تسلم المخرج الحالي لوحة قصة (ستوري بورد) بسيطة. تقول له: "ابدأ بهذا الشكل، ولكن اجعله يبدو كفيلم سينمائي". ثم تمسك بجهاز تحكم عن بعد يتيح لك تحديد: "هل تريد أن يبدو المشهد تماماً مثل رسمك التخطيطي، أم تريده أن يبدو أكثر مثل أفلام هوليوود؟" تقوم بتعديل جهاز التحكم، ويتغير الفيلم فوراً.

باخت_صار: تمنح SPACECONTROL الفنانين والمصممين وسيلة للقول: "أريد أن يكون الشكل هذا تحديداً"، والحصول على كائن ثلاثي الأبعاد عالي الجودة فوراً، دون الحاجة لأن تكون خبيراً في تعلم الآلة أو الانتظار حتى يتعلم الذكاء الاصطناعي مهارة جديدة.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "SPACECONTROL: تقديم التحكم المكاني عند وقت الاختبار للنمذجة التوليدية ثلاثية الأبعاد".

1. بيان المشكلة

بينما حققت النماذج التوليدية ثلاثية الأبعاد تقدماً كبيراً في إنشاء أصول عالية الجودة، لا تزال القدرة على التحكم (Controllability) تمثل عقبة رئيسية. تعتمد الطرق الحالية بشكل أساسي على:

المطالبات النصية (Text Prompts): مرنة ولكنها غامضة، وغالباً ما تفشل في تحديد قيود هندسية دقيقة.
المطالبات الصورية (Image Prompts): أفضل في تقييد الهيكل ولكن من الصعب تعديلها لإجراء معالجة هندسية دقيقة.
طرق التحكم المكاني الحالية:
- القائمة على التدريب (Training-based): تتطلب ضبط النماذج بدقة (Fine-tuning) على مدخلات هندسية محددة (مثل الفوكسل أو الأشكال الأولية)، مما يحد من القدرة على التعميم لفئات جديدة ويتطلب إعادة تدريب مكلفة.
- القائمة على التوجيه (Guidance-based - عند وقت الاختبار): غالباً ما تعتمد على عمليات تحسين مكلفة (مثل LatentNeRF و Coin3D) أو إسقاط الشرط ثلاثي الأبعاد على مشاهد ثنائية الأبعاد، مما يؤدي إلى عبء حوسبي عالٍ وانخفاض في المرونة.

التحدي الجوه lack هو تمكين تحكم مكاني حدسي ودقيق وخالٍ من التدريب في عملية توليد الأصول ثلاثية الأبعاد، مما يسمح للمستخدمين بتوجيه عملية التركيب باستخدام رسومات ثلاثية الأبعاد بسيطة (أشكال أولية) أو شبكات (meshes) مفصلة دون المساس بالجودة البصرية أو الواقعية للنموذج الأساسي.

2. المنهجية: SPACECONTROL

يعتبر SPACECONTROL طريقة خالية من التدريب وتعمل عند وقت الاختبار (test-time)، حيث تقوم بحقن توجيه مكاني صريح مباشرة في الفضاء الكامن (Latent Space) لنموذج توليدي ثلاثي الأبعاد مدرب مسبقاً (تحديداً Trellis، رغم إمكانية تطبيقها على نماذج أخرى مثل SAM 3D). وهي تعمل عبر مرحلتين:

أ. الآلية الجوهرية: التدخل في الفضاء الكامن (Latent Space Intervention)

بدلاً من الضبط الدقيق للنموذج، يقوم SPACECONTROL بالتلاعب بعملية التوليد أثناء الاستدلال عن طريق تشفير الهندسة التي حددها المستخدم في الفضاء الكامن المشترك للنموذج.

معالجة المدخلات: يقدم المستخدم إشارة شرطية هندسية (أشكال أولية خشنة مثل الـ superquadrics أو شبكات مفصلة).
الفوكسلة والترميز (Voxelization & Encoding): يتم تحويل الهندسة المدخلة إلى فوكسل ( $x_c$ ) وتمريرها عبر المُشفر المدرب مسبقاً ( $E$ ) للنموذج الأساسي (Trellis) للحصول على تمثيل كامن نظيف ( $z_{c,0}$ ).
حقن الضجيج (العملية الأمامية - Forward Process): عند خطوة زمنية محددة $t_0 \in [0, 1]$ ، يتم "زيادة ضجيج" الكامن $z_{c,0}$ باستخدام معادلة التدفق المستقيمة (rectified flow forward equation):
$z_{t_0} = t_0 z_1 + (1 - t_0) z_{c,0}$
حيث أن $z_1$ هو ضجيج نقي. هذا ينشئ حالة كامنة هجينة تحتوي على كل من المعلومات الهيكلية للهندسة المتحكم بها والعشوائية المطلوبة للتوليد.
إزالة الضجيج الموجه (العملية العكسية - Backward Process): بدءاً من $z_{t_0}$ ، يقوم النموذج بخطوات إزالة الضجيج القياسية (باستخدام نموذج تدفق الهيكل - Structure Flow Model المدرب مسبقاً) لتوليد الهيكل الهندسي النهائي ( $x_0$ ). ويُستخدم المطالب النصي في الوقت نفسه لإزالة الغموض الدلالي.

ب. التوليد ثنائي المرحلة

توليد الهيكل (Structure Generation): تتحكم الطريقة في المرحلة الأولى من Trellis (توليد الهندسة) باستخدام حقن الكامن المكاني الموصوف أعلاه.
توليد المظهر (Appearance Generation): تظل المرحلة الثانية (النسيج/المظهر) مشروطة بالنص أو الصور الاختيارية. يؤثر التحكم المكاني بشكل أساسي على الهندسة، بينما تعمل الصور/النصوص على تحسين التفاصيل البصرية.

ج. التحكم في المقايضة ( $\tau_0$ )

هناك معلمة فائقة (hyperparameter) رئيسية، وهي $\tau_0$ (مرتبطة بالخطوة الزمنية $t_0$ )، تسمح للمستخدمين بالموازنة بين الأمانة الهندسية (Geometric Faithfulness) والواقعية البصرية (Visual Realism):

$\tau_0$ منخفض: يبدأ الكامن قريباً من الضجيج النقي ( $z_1$ ). يقوم النموذج بمزيد من خطوات إزالة الضجيج، مما ينتج مخرجات أكثر واقعية (تلتزم بتوزيع البيانات) ولكنها أقل أمانة للهندسة المدخلة.
** $\$ \tau_0 $مرتفع:** يبدأ الكامن قريباً من إشارة التحكم ($ z_{c,0}$). يتخطى النموذج خطوات مبكرة من إزالة الضجيج، مما يحافظ على الهندسة المحقونة بدقة، وإن كان ذلك قد يكون على حساب بعض الواقعية.

3. المساهمات الرئيسية

تحكم مكاني خالٍ من التدريب: يقدم أول إطار عمل لربط النماذج التوليدية ثلاثية الأبعاد القوية بمداخلات هندسية ثلاثية الأبعاد يحددها المستخدم (من الأشكال الأولية إلى الشبكات) دون الحاجة لأي ضبط دقيق أو تغييرات هيكلية.
أنماط مدخلات مرنة: يدعم مجموعة واسعة من المدخلات، بما في ذلك الـ superquadrics البسيطة (الأشكال الأولية البارامترية) والشبكات (meshes) المعقدة، مما يتيح كلاً من الرسم السريع والتحرير الدقيق.
المقايضة بين الواقعية والأمانة: يوفر معلمة قابلة للضبط ( $\tau_0$ ) تمنح المستخدمين تحكماً صريحاً في التوازن بين الالتزام بالشكل المدخل والحفاظ على الجودة البصرية العالية للنموذج التوليدي.
واجهة تفاعلية: تم تطوير واجهة في الوقت الفعلي لتحرير الـ superquadrics وتوليد أصول ثلاثية الأبعاد منسوجة، مما يسهل التكامل السلس في سير العمل الإبداعي.

4. النتائج التجريبية

قام المؤلفون بتقييم SPACECONTROL مقابل أفضل النماذج المرجعية (baselines)، بما في ذلك Spice-E (القائم على التدريب)، و Coin3D (القائم على التحسين)، و SPICE-E-T (نسخة Trellis المعدلة بدقة).

المقاييس الكمية:
- الأمانة الهندسية: تم قياسها عبر مسافة تشامفير (Chamfer Distance - CD). تفوق SPACECONTROL بشكل كبير على جميع النماذج المرجعية، محققاً أدنى قيمة لـ CD (على سبيل المثال، 14.0 مقابل 39.1 لـ SPICE-E-T في الأشكال الأولية لمجموعة Toys4K).
- الواقعية: تم قياسها عبر FID (للنسيج) و P-FID (للجغرافيا). حافظ SPACECONTROL على درجات تنافسية، تضاهي أو تتفوق على النماذج المرجعية، مما يثبت أن التحكم المكاني لا يقلل من الجودة البصرية.
- المواءمة النصية: تم قياسها عبر CLIP-I، مما أظهر نجاح الطريقة في الحفاظ على المواءمة الدلالية مع المطالبات النصية.
التعميم: على عكس الطرق القائمة على التدريب (مثل Spice-E) التي تواجه صعوبة في الفئات غير المرئية (مثل Toys4K)، تعمم SPACECONTROL بفعالية عبر جميع الفئات لأنها تعتمد على المعرفة العامة للنموذج المدرب مسبقاً.
دراسة المستخدم: في دراسة شملت 52 متطوعاً، فضل المستخدمون SPACECONTROL على النماذج المرجعية في 85% من الحالات فيما يتعلق بالمظهر العام، وفي 87% فيما يتعلق بالأمانة للمدخلات. لاحظ المستخدمون أن النماذج المرجعية غالباً ما تنتج أشكالاً غير صحيحة تشريحياً (مثل بقرة برأسين) أو تفشل في اتباع الهندسة، بينما أنتجت SPACECONTROL نتائج منطقية ومتوافقة.
التحليل النوعي: تعاملت الطريقة بنجاح مع القيود المكانية المعقدة، مثل الدورات غير المحاذية للمحاور والتحرير الدقيق (مثل تعديل مساند ظهر الكراسي)، وهي أمور فشلت النماذج الأخرى في تنفيذها بشكل صحيح.

5. الأهمية والأثر

ديمقراطية الإنشاء ثلاثي الأبعاد: من خلال إزالة الحاجة إلى التدريب الدقيق المكلف أو التحسين، يخفض SPACECONTROL حاجز الدخول لإنشاء الأصول ثلاثية الأبعاد، مما يسمح للفنانين باستخدام رسومات ثلاثية الأبعاد بسيطة لإنشاء أصول عالية الدقة.
سد الفجوة: نجحت الطريقة في سد الفجوة بين مرونة "النص-إلى-3D" ودقة "الهندسة-إلى-3D"، مقدمةً حلاً يجمع بين "أفضل ما في العالمين".
التطبيقات المستقبلية: طبيعتها الخالية من التدريب تجعل من السهل توسيعها لتشمل مشاهد ثلاثية الأبعاد معقدة، والتحرير القائم على الأجزاء (part-aware editing)، والتوليد الآلي لـ "التوائم الرقمية" للبيئات الواقعية. إن القدرة على التحكم في الهندسة مباشرة في الفضاء ثلاثي الأبعاد دون عيوب الإسقاط ثنائي الأبعاد تمثل خطوة كبيرة للأمام في مجال الذكاء الاصطناعي التوليدي ثلاثي الأبعاد.

ختاماً، يثبت SPACECONTROL أن التحكم المكاني الصريح في النمذجة التوليدية ثلاثية الأبعاد يمكن تحقيقه بكفاءة وفعالية من خلال التدخل في الفضاء الكامن، مما يوفر أداة قوية للجيل القادم من إنشاء المحتوى ثلاثي الأبعاد.