Generative Animations: A Multi-Model Pipeline for Prompt-Driven Motion Synthesis
تقدم هذه الورقة "الرسوم المتحركة التوليدية" (Generative Animations)، وهي مسار معالجة متعدد النماذج يستفيد من النماذج اللغوية الكبيرة ونموذج (Segment Anything Model) لتحويل المطالبات باللغة الطبيعية تلقائياً إلى مسارات حركة مدركة هندسياً وجاهزة للإنتاج، مما يلغي الحاجة إلى تكوين الرسوم المتحركة يدوياً.
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 دفتر قصاصات رقمي أو ملصقاً، وتريد أن تبث فيه الحياة. تريد لشخصية تدعى "ماريو" أن تقفز على طول تلة متعرجة، أو قمراً يدور حول كوكب، ويختبئ خلفه عندما يقترب منه كثيراً.
في الأيام الخوالي، كان القيام بذلك يشبه كونك مخرج أفلام يتعين عليه تحريك كل إطار من إطارات الفيلم يدوياً. كان عليك اختيار أداة، والنقر على مئات النقاط الصغيرة لرسم خط، ثم إخبار الكمبيوتر بالضبط كيف يتحرك على طول ذلك الخط. كان الأمر بطيئاً، ومملاً، ويتطلب منك أن تكون خبيراً في الرسوم المتحركة لمجرد جعل شخصية بسيطة تمشي.
الحل الجديد: "الرسوم المتحركة التوليدية" (Generative Animations)
تقدم هذه الورقة نظاماً جديداً يسمى "الرسوم المتحركة التوليدية". فكر في الأمر كأنه مترجم سحري يحول أفكارك المنطوقة أو المكتوبة إلى رسوم متحركة سلسة واحترافية فوراً. بدلاً من رسم الخطوط باستخدام الفأرة، ما عليك سوى أن تقول: "حرك ماريو على طول المسار التلي"، وسيتولى الكمبيوتر الباقي.
إليك كيف يعمل النظام، مقسماً إلى أربع خطوات بسيطة باستخدام تشبيه إبداعي:
1. المترجم (العقل)
أولاً، يستمع النظام إلى أمرك (على سبيل المثال: "حرك ماريو على طول المسار التلي"). يستخدم "عقلاً" ذكياً يعتمد على الذكاء الاصطناعي (نموذج لغوي كبير) لفهم ما تعنيه حقاً. إنه يحدد:
- مَن الذي يتحرك؟ (ماريو)
- إلى أين يذهب؟ (المسار التلي)
- كيف يجب أن يتحرك؟ (ربما بـ "عدو" أو "قفز")
إنه يحول جملتك إلى مجموعة دقيقة من التعليمات، تماماً مثل وصفة لطباخ آلي.
2. الرصّاد (العيون)
بعد ذلك، يحتاج النظام إلى العثور على "المسار التلي" في صورتك. يستخدم أداة تسمى SAM (نموذج التجزئة الشامل)، والتي تعمل مثل قلم تحديد عالي الدقة.
- إذا كانت الصورة فوضوية وبها مسارات كثيرة، فقد يطلب منك النظام النقر على الشاشة مرة واحدة لتقول: "نعم، هذا هو المسد".
- بمجرد النقر، يقوم النظام فوراً بعزل ذلك الشكل المحدد، متجاهلاً كل شيء آخر.
3. المعماري (البنّاء)
الآن بعد أن عرف النظام ماذا سيتحرك وأين يوجد المسار، يحتاج إلى بناء طريق سلس ليسافر عليه الشخصية.
- قد يكون الشكل الخام من الصورة متعرجاً أو منخفض الدقة (مثل صورة ذات جودة ضعيفة).
- يعمل النظام مثل آلة كي الملابس السلسة؛ فهو يتتبع الحواف المتعرجة ويحولها إلى منحنى مثالي وانسيابي (خط رياضي يسمى منحنى بيزييه - Bézier spline).
- كما يتحقق أيضاً من عرض المسار للتأكد من بقاء الشخصية في المنتصف تماماً، مثل القطار الذي يبقى على سكته.
4. المخرج (مدير المسرح)
أخيراً، يأخذ النظام كل هذه التعليمات ويسلمها إلى برنامج الرسوم المتحركة (مثل Adobe InDesign). يقوم بضبط السرعة، والتوقيت، والأسلوب.
- الخدعة السحرية: النظام ذكي بما يكفي لفهم العمق. إذا قلت "اجعل القمر يدور حول الأرض"، فهو يعرف أن القمر يجب أن يكون أحياناً أمام الأرض وأحياناً خلفها. يقوم تلقائياً بتقسيم المسار إلى جزأين بحيث يختفي القمر خلف الأرض ثم يظهر مجدداً، مما يخلق تأثيراً ثلاثي الأبعاد واقعياً على شاشة ثنائية الأبعاد.
- خدعة المنظور: إذا كان لديك قطعة نصية مائلة في فضاء ثلاثي الأبعاد، فإن النظام يعرف ألا يكتفي بمجرد تحريكها بشكل مسطح عبر الشاشة. بدلاً من ذلك، يقوم بإمالة مسار الحركة ليتناسب مع زاوية النص، بحيث تبدو الحركة وكأنها تنتمي إلى الجسم.
النتيجة
في الاختبارات التي أجريت على هذا النظام، حوّل مهمة كانت تستغرق من المصمم البشري من 5 إلى 10 دقائق من النقر والتتبع الدقيق إلى عملية تستغرق أقل من ثانيتين.
ما لا يستطيع فعله بعد (القيود):
تشير الورقة إلى أن النظام يعتمد على القدرة على رؤية الأشكال بوضوح في الصورة. إذا كانت الصورة ضبابية جداً أو كانت الألوان متشابهة للغاية، فقد يرتبك "الرصّاد". أيضاً، في الوقت الحالي، هو يتعامل مع تعليم واحد في كل مرة. فإذا قلت "ماريو يقفز، ثم يشرق القمر"، فإن النظام لا يزال يتعلم كيفية تقسيم هذه الجملة المعقدة إلى تسلسل من الأحداث.
باخت-صار:
تقدم هذه الورقة أداة تجسر الفجوة بين ما تتخيله وما يمكنك بناؤه. إنها تلغي الحاجة إلى أن تكون خبيراً تقنياً لإنشاء رسوم متحركة جميلة ومعقدة، مما يسمح لأي شخص ببساطة بوصف رؤيته ومشاهدتها وهي تنبض بالحياة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.