KD-CVG: A Knowledge-Driven Approach for Creative Video Generation
تقدم هذه الورقة البحثية إطار عمل KD-CVG، وهو إطار عمل قائم على المعرفة يستفيد من قاعدة معرفية شاملة للإعلانات الإبداعية ووحدتين جديدتين — هما الاسترجاع الواعي دلاليًا والمرجع المعرفي متعدد الوسائط — للتغلب على تحديات المحاذاة الدلالية والتكيف مع الحركة في توليد الفيديوهات الإبداعية للإعلانات.
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 مدير تسويق تحاول إنشاء إعلان فيديو مدته 3 ثوانٍ لمعجون أسنان جديد. لديك قائمة بنقاط البيع: "يوازن درجة الحموضة في الفم" و"يحتوي على خلاصة النعناع الطبيعية".
إذا طلبت من مولد فيديوهات يعمل بالذكاء الاصطناعي التقليدي القيام بذلك، فقد يصاب بالارتباك. قد يظهر لك فرشاة أسنان تطفو في الفضاء (لأنه لا يفهم الربط بين "النعناع" و"الانتعاش") أو قد يجعل قطرات الماء تسقط للأعلى لأنه لا يفهم قوانين الفيزياء.
تقدم هذه الورقة البحثية نظام KD-CVG، وهو مصمم لإصلاح هذه المشكلات تحديداً. فكر في KD-CVG كأنه مدير إبداعي فائق الذكاء قرأ مكتبة ضخمة من الإعلانات الناجحة ويعرف تماماً كيف يترجم وصفاً نصياً مملاً إلى فيديو حيوي وواقعي.
إليك كيف يعمل، مقسماً إلى مفاهيم بسيطة:
1. المشكلة: فجوة "الضياع في الترجمة"
مولدات الفيديو الحالية بالذكاء الاصطناعي تشبه الممثلين الذين يمكنهم إلقاء السطور لكنهم لا يفهمون إحساس المشهد.
- الفجوة الدلالية (Semantic Gap): إذا قلت "نعناع منعش"، قد يظهر الذكاء الاصطناعي مجرد ورقة خضراء. إنه يفتقد الإحساس بالبرودة أو الطريقة المحددة لتفاعل الماء مع النعناع.
- فجوة الحركة (Motion Gap): إذا طلبت قطرات ماء، فقد يجعل الذكاء الاصطناعي تتحرك مثل الهلام أو تطفو في اتجاهات مستحيلة لأنه لم يشاهد ما يكفي من الفيزياء الواقعية في تدريبه.
2. الحل: "قاعدة معرفة الإبداع الإعلاني" (ACKB)
قبل أن يتمكن الذكاء الاصطناعي من أداء مهمته، قام الباحثون ببناء مكتبة ضخمة من الإلهام.
- التشبيه: تخيل طباخاً يريد طهي طبق مثالي. بدلاً من التخمين، لديه كتاب وصفات مليء بـ 10,000 صورة لأطباق ناجحة، بالإضافة إلى الوصفات الدقيقة والقصص وراءها.
- ما هي: جمع الفريق 10,000 فيديو تجارة إلكترونية حقيقي (مثل فرش الأسنان، أقنعة الوجه، إلخ) وربطوها بالأوصاف النصية المستخدمة لبيعها. هذا هو "كتاب الوصفات" الخاص بهم (ACKB).
3. الوحدتان السحريتان
يستخدم KD-CVG أداتين خاصتين لتحويل النص الخاص بك إلى فيديو، حيث يعمل كعملية إبداعية مكونة من خطوتين.
الخطوة أ: "أمين المكتبة الذكي" (الاسترجاع الواعي دلالياً)
عندما تعطيه نقطة بيع (مثل "توازن حموضة الفم")، فإنه لا يخمن فحسب. بل يعمل كـ أمين مكتبة عالي الذكاء.
- كيف يعمل: بدلاً من مجرد مطابقة الكلمات المفتاحية، فإنه يستخدم "شبكة انتباه رسومية" (Graph Attention Network). فكر في هذا كشبكة من الروابط؛ فهو يعرف أن "النعناع" مرتبط بـ "البرودة"، والتي ترتبط بدورها بـ "قطرات الماء".
- النتيجة: يبحث في المكتبة (ACKB) ويجد فيديوهات المرجع الأفضل التي تطابق روح نصك، وليس فقط الكلمات. إنه مثل أمين المكتبة الذي يسلمك صورة مرجعية لورقة نعناع تتناثر في الماء، قائلاً: "استخدم هذا كمصدر إلهام".
الخطوة ب: "مصمم الرقصات الماهر" (مرجع المعرفة متعدد الوسائط)
بمجرد أن يجد أمين المكتبة المرجع، يتولى "مصمم الرقصات" المهمة لصنع الفيديو.
- كيف يعمل: ينظر إلى الفيديو المرجعي ويتعلم شيئين:
- السيناريو: ماذا يحدث؟ (مثلاً: "الماء ينسكب في كوب").
- الرقصة: كيف يتحرك؟ (مثلاً: "الماء يسقط في قوس سلس، وليس في خط مستقيم").
- السحر: يأخذ منتجك المحدد (فرشاة أسنانك) ويجبره على "الرقص" تماماً مثل الفيديو المرجعي. إنه يستخدم تقنية تسمى تقطير الحركة (Motion Distillation)، وهي تشبه تعليم روبوت محاكاة حركات الراقص بدقة حتى تسقط قطرات الماء بشكل طبيعي ولا تلتوي فرشاة الأسنان أو يتغير شكلها.
4. لماذا هو أفضل (النتائج)
اختبر الباحثون نظامهم مقابل غيرهم من مولدات الفيديو الرائدة بالذكاء الاصطناعي.
- الطريقة القديمة: غالباً ما تنتج النماذج الأخرى فيديوهات تبدو فيها الأشياء غريبة، أو تتحرك بشكل غير طبيعي، أو لا تتطابق مع النص (مثل فرشاة أسنان تبدو كأنها ثعبان).
- طريقة KD-CVG: فيديوهاتهم كانت أكثر سلاسة، والحركات كانت واقعية فيزيائياً (الماء يسقط للأسفل، وليس للأعلى)، والارتباط بين النص والفيديو كان أقوى بكثير.
- السرعة: كما أنه سريع بشكل مدهش، حيث يستغرق حوالي 100 ثانية لإنشاء فيديو، وهو أسرع بكثير من بعض المنافسين الذين يستغرقون ساعات.
الخلاصة
KD-CVG يشبه إعطاء موجه (Mentor) للذكاء الاصطناعي. فبدلاً من ترك الذكاء الاصطناعي يخمن كيفية صنع إعلان، فإنه يمنحه مكتبة من الأمثلة الحقيقية ودليلاً خطوة بخوة لكيفية نسخ المعنى والحركة من تلك الأمثلة. والنتيجة هي فيديوهات إعلانية تبدو بالفعل وكأنها صُنعت بواسطة فريق إبداعي بشري، بفيزياء واقعية ورسائل واضحة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.