🤖 machine learning

Graphic-Design-Bench: A Comprehensive Benchmark for Evaluating AI on Graphic Design Tasks

تقدم هذه الورقة البحثية GraphicDesignBench (GDB)، وهي أول مجموعة اختبار شاملة لتقييم نماذج الذكاء الاصطناعي في مهام التصميم الجرافيكي الاحترافية عبر خمسة محاور — التخطيط، والطباعة، والرسوم البيانية (الإنفوجرافيك)، والقوالب، والتحريك — كاشفةً أنه بينما يمكن تحقيق الفهم الدلالي عالي المستوى، لا تزال النماذج الحالية تعاني بشكل كبير من نقص الدقة، والصلاحية الهيكلية، والاستدلال التكويني المطلوب لأعمال التصميم الواقعية.

المؤلفون الأصليون: Adrienne Deganutti, Elad Hirsch, Haonan Zhu, Jaejung Seol, Purvanshi Mehta

نُشر 2026-04-07

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Adrienne Deganutti, Elad Hirsch, Haonan Zhu, Jaejung Seol, Purvanshi Mehta

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 أن لديك فريقًا من الروبوتات الذكية للغاية والسريعة للغاية. لقد علمتهم كتابة الشعر، وحل المسائل الرياضية، وحتى رسم صور للقطط والكلاب تبدو حقيقية تقريبًا. قد تعتقد حينها: "رائع! دعونا نطلب منهم أن يكونوا مصممي جرافيك لشركتنا".

ولكن قبل أن تسلمهم مفاتيح استوديو التصميم الخاص بك، عليك أن تعرف: هل يمكنهم حقًا القيام بالوظيفة؟

هذا بالضبط ما يدور حوله هذا البحث، GraphicDesignBench (GDB). إنه يشبه "امتحانًا نهائيًا" ضخمًا وصارمًا للذكاء الاصطناعي، مصمم خصيصًا لاختبار ما إذا كان بإمكان الروبوتات التعامل مع عالم التصميم الجرافيكي الاحترافي الفوضوي، التفصيلي، والدقيق.

إليك تفصيل لما وجدوه، باستخدام بعض التشبيهات من الحياة اليومية.

المشكلة: فجوة "القطة مقابل الكتيب"

فكر في مولدات الصور الحالية (مثل تلك التي تصنع فنًا رائعًا من النصوص) كأنها رسامون تجريديون. إنهم بارعون في صنع صورة "تبدو" جميلة. إذا طلبت منهم "غروب الشمس"، سيعطونك غروبًا جميلًا.

لكن المصمم الجرافيكي المحترف يشبه أكثر المهندس المعماري أو النجار. هم لا يكتفون بجعل الأشياء تبدو جميلة فحسب؛ بل يجب عليهم اتباع مخططات هندسية صارمة.

يجب أن يكون النص مكتوبًا بشكل صحيح إملائيًا.
يجب أن يكون الشعار في المكان الصحيح تمامًا.
يجب أن يتطابق الخط تمامًا مع إرشادات العلامة التجارية.
يجب أن تكون الطبقات منظمة بحيث يمكن للبشر تعديلها لاحقًا.

يجادل البحث بأنه بينما أصبح الذكاء الاصطناعي جيدًا في كونه "رسامًا تجريديًا"، إلا أنه سيئ جدًا في كونه "نجارًا".

الامتحان: 50 مهمة، 5 فئات

أنشأ الباحثون اختبارًا يحتوي على 50 تحديًا مختلفًا بناءً على نماذج تصميم حقيقية. قاموا باختبار الذكاء الاصطناعي في خمسة مجالات رئيسية:

التخطيط (مخطط الطابق): هل يمكن للذكاء الاصطناعي النظر إلى ملصق وإخبارك كم عدد العناصر الموجودة عليه؟ هل يمكنه إخبارك أي عنصر "فوق" عنصر آخر؟
- النتيجة: الذكاء الاصطناعي يشبه طفلًا ينظر إلى غرفة فوضوية. يمكنه التخمين بوجود "بعض الأشياء" هناك، لكنه لا يستطيع عدها بدقة، وغالبًا ما يعتقد أن الأرض هي السقف. إنه يعاني لفهم التراكم ثلاثي الأبعاد للصور ثنائية الأبعاد.
التايبوغرافيا (الخطوط): هل يمكن للذكاء الاصطناعي النظر إلى عنوان وتحديد نوع الخط المستخدم بالضبط، وحجم الحروف، ولونها؟
- النتيجة: الذكاء الاصطناعي يشبه شخصًا يعرف أن القميص "أحمر"، لكنه لا يستطيع التمييز بين اللون "القرمزي" واللون "السكارليت". غالبًا ما يخمن عائلة الخط بشكل خاطئ تمامًا أو يخطئ في تباعد الأحرف. الأمر يشبه محاولة قراءة قائمة طعام مكتوبة بلغة لا تتحدثها.
الإنفوجرافيك والمتجهات (المخططات الهندسية): هل يمكن للذكاء الاصطناعي أخذ وصف وكتابة الكود البرمجي الفعلي (SVG) لرسم أيقونة مثالية؟
- النتي النتيجة: هذا يشبه طلب كتابة الكود الخاص بمنزل، ولكن بدلًا من إعطائك مخططًا، يعطيك كومة من الطوب وفكرة غامضة عن "المنزل". الكود الذي يكتبه عادة ما يتعطل، أو يحتوي على أخطاء، أو لا يشبه الصورة التي كان من المفترض أن يصنعها.
النماذج الجاهزة (عملية النسخ واللصق): إذا كان لديك نموذج "بطاقة عمل"، هل يمكن للذكاء الاصطناعي التعرف على أن تصميمًا جديدًا هو مجرد نسخة متغيرة من نفس النموذج، حتى لو تغيرت الألوان والصور؟
- النتيجة: الذكاء الاصطناعي جيد بشكل مفاجئ في هذا إذا أعطيته قائمة خيارات متعددة. لكن إذا طلبت منه اكتشاف ذلك بمفرده، فسيصاب بالارتباك. إنه مثل طالب يمكنه اختيار الإجابة الصحيحة في الاختبار ولكنه لا يستطيع شرح لماذا هي صحيحة.
التحريك (الفيلم): هل يمكن للذكاء الاصطناعي فهم فيديو تحريك قصير وإخبارك أي جزء يتحرك أولاً، أو هل يمكنه إنشاء فيديو حيث يقفز زر معين عند النقر عليه؟
- النتيجة: هذا هو الجزء الأصعب. الذكاء الاصطناعي يشبه شخصًا يشاهد فيلمًا بدون صوت ويحاول تخمين الحبكة. غالبًا ما يخطئ في ترتيب الأحداث أو يجعل المشهد بأكم له يتحرك بدلًا من تحريك الزر وحده.

الحكم: "ليس جاهزًا للعمل الفعلي"

اختبر الباحثون أذكى نماذج الذكاء الاصطناعي المتاحة (من Google وOpenAI وAnthropic). إليكم لوحة النتائج:

تم حلها في الغالب (مهمتان): الذكاء الاصطناعي مثالي تقريبًا في الأشياء البسيطة جدًا، مثل مطابقة نموذجين متشابهين أو ترتيبهما.
تم حلها جزئيًا (25 مهمة): يمكن للذكاء الاصطناعي القيام بالمهمة، لكنه غير دقيق. قد يصيب الفكرة العامة لكنه يخطئ في التفاصيل. في وظيفة حقيقية، هذا يشبه مقاولًا يبني جدارًا لكنه يترك الطوب مائلًا. سيتعين عليك إصلاحه بنفسك.
لم تُحل (23 مهمة): يفشل الذكاء الاصطناعي تمامًا. لا يمكنه عد الأشياء، ولا يمكنه قراءة الخطوط، ولا يمكنه إنشاء الكود الخاص بأيقونة متجهة. إنه مثل طلب إجراء عملية قلب مفتوح من روبوت لا يعرف حتى ما هو القلب.

الخلاصة الكبرى

يخلص البحث إلى أن الذكاء الاصطناعي حاليًا هو "مساعد إبداعي" وليس "مصممًا".

"الروح" موجودة: الذكاء الاصطناعي بارع في طرح الأفكار وجعل الأشياء تبدو "رائعة".
"الدقة" مفقودة: لا يمكن الوثوق بالذكاء الاصناائي بعد للتعامل مع الأجزاء التقنية والدقيقة والمنظمة من عمل التصميم.

إذا طلبت من الذكاء الاصطناعي "صنع منشور إعلاني"، فقد يعطيك صورة جميلة. ولكن إذا طلبت منه "صنع منشور إعلاني بخط العلامة التجارية المحدد، وإخلاء المسؤولية القانوني الصحيح في الأسفل، والشعار المحاذي للشبكة"، فمن المرجح أنه سيفشل.

المستقبل: يقول المؤلفون إننا بحاجة إلى تعليم الذكاء الاصطناعي فهم "بنية" التصميم، وليس فقط "مظهره". وحتى ذلك الحين، يظل المصممون البشر هم الوحيدون الذين يمكنهم القيام بالوظيفة بشكل موثوق. الذكاء الاصطناعي هو متدرب مفيد يحتاج إلى إشراف مستمر، وليس شريكًا رئيسيًا.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "Graphic-Design-Bench: معيار شامل لتقييم الذكاء الاصطناعي في مهام التصميم الجرافيكي."

1. بيان المشكلة

بينما رفعت التطورات الأخيرة في نماذج الرؤية واللغة (VLMs) والنماذج التوليدية القائمة على الانتشار (diffusion-based) سقف التوقعات للتصميم بمساعدة الذكاء الاصطناعي، إلا أن معايير التقييم الحالية غير كافية للتصميم الجرافيكي الاحترافي. تركز المعايسات الحالية بشكل أساسي على:

فهم الصور الطبيعية: مثل اكتشاف الأشياء، تقدير العمق، أو الإجابة العامة على الأسئلة البصرية.
توليد الصور من النصوص بشكل عام: تقييم الجودة الجمالية أو التوافق الدلالي (مثل FID و CLIP Score) دون مراعاة القيود الهيكلية.

الفجوة: التصميم الجرافيكي الاحترافي هو مهمة عالية الأبعاد ومدفوعة بالقيود، تتطلب دمج التخطيط المكاني، والتايبوغرافيا (فن الخط)، والبرمجيات المتجهة (vector code)، والهوية التجارية، والتحريك الزمني. تفشل المعايير الحالية في استيعاب:

استيفاء القيود المتعددة: الحاجة إلى رندرة (rendering) نصوص مقروءة، واحترام التسلسل الهرمي للخطوط، والالتزام بأنظمة الشبكة (grid systems)، والحفاظ على اتساق العلامة التجارية.
متطلبات المخرجات المهيكلة: ضرورة وجود أكواد متجهة (SVG) صالحة، وصناديق إحاطة دقيقة، وتكوينات متعددة الطبقات بدلاً من مجرد التشابه على مستوى البكسل.
الاعتماد على السياق: جودة التصميم غالباً ما تكون ذاتية ومرتبطة بهويات تجارية محددة أو نوايا المستخدم، مما يفتقر إلى "الحقيقة الأرضية" (ground truth) الوحيدة كما هو الحال في التعرف على الأشياء.

2. المنهجية

مجموعة البيانات: LICA (مجموعة بيانات التكوين الطبقي)

يستند المعيار إلى مجموعة بيانات LICA، وهي مجموعة واسعة النطاق من قوالب التصميم الجرافيكي الواقعية من منصة تجارية. على عكس مجموعات البيانات المسطحة (raster)، تحافظ LICA على البيانات الوصفية الهيكلية الكاملة:

البنية الطبقية: مكونات فردية (نص، صورة، متجه، مجموعات) مع صناديق إحاطة، وترتيب الطبقات (z-ordering)، وخصائص التنسيق.
التعليقات التوضيحية الغنية: مواصفات التايبوغرافيا (نوع الخط، الحجم، الوزن، اللون، المحاذاة، الانحناء)، خصائص التحريك (نوع الحركة، المدة، الإطارات المفتاحية)، والبيانات الوصفية العالمية (نسبة مساحة العمل، الفئة، نية المستخدم).
الأنماط الشقيقة (Sibling Variants): تخطيطات متعددة تشترك في نفس السمة الهيكلية ولكنها تختلف في المحتوى، مما يسمح بتقييم تنوع القوالب.

هيكل المعيار (GraphicDesignBench - GDB)

يتكون GDB من 50 مهمة منظمة عبر خمسة مجالات تصميم ويتم تقييمها تحت نمطي قدرة: الفهم (الإدراك/الاستنتاج) والتوليد (التركيب/التعديل).

التخطيط (Layout): الاستدلال المكاني، اكتشاف المكونات، التنبؤ بترتيب الطبقات، وتوليد التخطيط (من النية إلى التخطيط، ملء الفراغات/inpainting، وتكييف نسبة العرض إلى الارتفاع).
التايبوغرافيا (Typography): تحديد نوع الخط، تقدير اللون/الحجم/الوزن، اكتشاف النصوص المنحنية، وتوليد أو إزالة النصوص المزخرفة.
الإنفوجرافيك (SVG والمتجهات): فهم كود SVG (الأسئلة الدلالية/الإدراكية)، إصلاح الأخطاء، التحسين، والتوليد (من نص/صورة إلى SVG/Lottie).
دلالات القالب والتصميم: تصنيف الفئات، التنبؤ بنية المستخدم، ومطابقة/توليد متغيرات القوالب.
التحريك (Animation): الاستدلال الزمني (ترتيب الإطارات المفتاحية)، تصنيف نوع الحركة، استخراج الخصائص، وتوليد الفيديو.

إطار التقييم

النماذج التي تم تقييمها: ثلاث عائلات من النماذج الرائدة مغلقة المصدر (Google Gemini، OpenAI GPT/Sora/Veo، Anthropic Claude) والتي تغطي وسائط النص والصورة والفيديو.
المقاييس: تصنيف مخصص يتجاوز FID/CLIP ليشمل:
- الدقة المكانية: mIoU، mAP، وMAE للإحداثيات.
- دقة النص: دقة التعرف الضوئي على الحروف (OCR)، مطابقة عائلة الخط، والمسافة اللونية ( $\Delta E$ ).
- الصلاحية الهيكلية: قابلية تحليل JSON/SVG، ونسب الضغط.
- الجودة الإدراكية: LPIPS، SSIM، وDreamSim.
- التفضيل المتوافق مع البشر: M-Judge (مقارنة زوجية قائمة على LLM)، NIMA، وImageReward.
ملصقات القابلية للحل: تُصنف المهام إلى "محلولة غالباً" (أداء >95%)، "محلولة جزئياً" (80–95% أو نتائج مختلطة)، أو "غير محلولة" (<80% أو فشل هيكلي).

3. المساهمات الرئيسية

أول معيار شامل للتصميم: يعد GDB أول مجموعة لتقييم الطيف الكامل لقدرات التصميم الاحترافي (التخطيط، التايبوغرافيا، المتجهات، الدلالات، التحريك) عبر كل من الفهم والتوليد.
إطار التكوين الطبقي: من خلال استخدام البيانات الوصفية الهيكلية لمجموعة بيانات LICA، يتيح GDB إعدادات تقييم مستحيلة مع الصور المسطحة، مثل ملء الفراغات الواعي بالطبقات، وإكمال التخطيط الجزئي، وتوليد متغيرات القوالب.
مقاييس أصلية للتصميم: تقديم تصنيف مقاييس متعدد الأوجه مخصص للتصميم، يعطي الأولوية للصلاحية الهيكلية، ودقة التايبوغرافيا، والدقة المكانية على حساب الدرجات الإدراكية العامة.
خطوط أساس قابلة لإعادة الإنتاج: وضع خطوط أساس قوية باستخدام النماذج الرائدة، مما يكشف عن أوجه قصور ثابتة عبر المجال ويوفر أساساً لتطوير النماذج مفتوحة المصدر والمتخصصة في المستقبل.

4. النتائج الرئيسية

يكشف تقييم النماذج الرائدة عن واقع صارخ: مهمتان فقط من أصل 50 هي "محلولة غالباً"، بينما هناك 23 مهمة "غير محلولة".

التخطيط والاستدلال المكاني (غير محلولة):
- اكتشاف المكونات: أفضل mAP@0.5 هو 6.4% فقط، وهو أقل بعدة مراتب من معايير الصور الطبيعية.
- ترتيب الطبقات والعد: تعاني النماذج من صعوبة في عد العناصر بدقة (MAE ~5.8) والتنبؤ بتراكم الطبقات (Kendall's $\tau$ ~0.57، قريب من العشوائية).
- التوليد: توليد التخطيط من النية مقيد بدقة النص (OCR ~75%)، وفشل إكمال التخطيط متعدد العناصر في الاستدلال حول الترابطات المكانية.
التايبوغرافيا (غير محلولة/محلولة جزئياً):
- التعرف على الخطوط: دقة Top-1 هي 23.7% فقط عبر 167 عائلة خطوط؛ معظم الخطوط النادرة تسجل صفراً.
- اللون والحجم: يتفاوت التنبؤ باللون بشكل كبير ( $\Delta E$ يصل إلى 52 للنماذج الضعيفة)؛ تقدير حجم الخط يحتوي على أخطاء كبيرة (MAE ~9px مقابل ~36px).
- النصوص المنحنية: تفشل بعض النماذج في اكتشاف النصوص المنحنية تماماً (معدل اكتشاف 0%).
SVG والمتجهات (محلولة جزئياً/غير محلولة):
- الدلالي مقابل الإدراكي: تفهم النماذج ماذا يصور الـ SVG (الأسئلة الدلالية ~94%) بشكل أفضل من فهمها للخصائص البصرية من الكود (الأسئلة الإدراكية ~87%).
- التوليد: توليد SVG من النص ينتج تفسيرات تخطيطية بدلاً من إعادة إنتاج وفية. تنخفض الصلاحية بشكل كبير عند إضافة مدخلات صور لتوليد Lottie.
دلالات القالب (محلولة غالباً للمهام البسيطة):
- المطابقة الزوجية: من المثير للدهشة أن الخطوط الأساسية البسيطة غير القائمة على LLM (مثل Font Jaccard) تضاهي أو تتفوق على LLMs (دقة 97.7%)، مما يشير إلى أن LLMs تفشل في الاستفادة من الإشارات الوصفية البسيطة.
- تصنيف الفئات: التصنيف ذو المفردات المفتوحة ضعيف بسبب تداخل التسميات؛ التحفيز المقيد يحسن الدقة إلى ~78%.
التحريك (غير محلول):
- الاستدلال الزمني: المطابقة التامة لترتيب الإطارات المفتاحية هي 16% فقط.
- تصنيف الحركة: الدقة أقل من 13% لجميع النماذج.
- التوليد: تفشل النماذج في ربط مؤشرات المكونات بالمناطق المكانية، مما يؤدي إلى حركات مطبقة عالمياً أو حركات مهلوسة. مقروئية النص والالتزام بنسبة العرض إلى الارتفاع هي نقاط فشل رئيسية في توليد الفيديو قصير المدى.

5. الأهمية والتوجهات المستقبلية

الحالة الراهنة لتصميم الذكاء الاصطناعي: تخلص الورقة إلى أنه بينما أصبح الفهم الدلالي عالي المستوى في المتناول، فإن الفجوة تتسع بشكل حاد مع زيادة متطلبات الدقة، والهيكل، والوعي بالتكوين. النماذج الحالية ليست قادرة بعد على العمل كمساعدين موثوقين في سير العمل الاحترافي.
الآثار المترتبة: عدم القدرة على إجراء استدلال مكاني دقيق، أو توليد كود متجه صالح، أو تفكيك التحريكات يمنع الذكاء الاصطناعي من الانتقال من مرحلة "التصور الأولي" إلى إنشاء أصول جاهزة للإنتاج.
العمل المستقبلي:
- النمذجة: التدريب المسبق المتخصص في التصميم على بيانات التكوين الطبقي وبنيات تدعم المخرجات الهيكلية الطويلة (لإصلاح بتر SVG).
- التقييم: التوسع ليشمل النماذج مفتوحة المصدر، ودمج تقييم الخبراء البشريين واسع النطاق، وتطوير مقاييس واعية بالهيكل تتجاوز تشابه البكسل.
- النطاق: توسيع مجموعة البيانات لتشمل الجماليات الخاصة ثقافياً، ومتطلبات الوصول (accessibility)، ولغات المجالات المتنوعة (التغليف، التحرير، إلخ).

الخلاصة: يوفر GraphicDesignBench اختباراً صارماً وقابلاً لإعادة الإنتاج يكشف عن القيود الأساسية للذكاء الاصطناዊ الحالي في التصميم الاحترافي. إنه يثبت أن على المجال التحول من تحسين "الاحتمالية الجمالية" إلى إتقان "الدقة الهيكلية" و"استيفاء القيود" لتحقيق أتمتة التصميم الحقيقية.