تخيل أنك نحات رقمي في عالم لا تُصنع فيه الأجسام ثلاثية الأبعاد من طين صلب أو هياكل سلكية، بل من ملايين السحب الصغيرة المتوهجة والزغبية التي تسمى "الغاوسيات ثلاثية الأبعاد" (3D Gaussians). هذه السحب سحرية لأنها يمكن أن تترتب لتبدو واقعية للغاية ويمكن عرضها من أي زاوية فوراً، مثل الهولوغرام الذي لا يتعطل أبداً. لكن هناك مشكلة، وهي أن هذه السحب الزغبية رائعة في الظهور بشكل ثابت وجميل، لكنها سيئة جداً في الحركة. إذا حاولت جعلها ترقص، فإنها تتحول عادةً إلى كتلة ضبابية مشوهة. لكي تجعلها تتحرك مثل شخصية حقيقية، تحتاج إلى منحها هيكلاً عظمياً وتعليمها كيفية ثني "لحمها" حول العظام. تسمى هذه العملية "التغليف" (Skinning)، وهي السر الذي يحول التمثال الساكن إلى شخصية حية في ألعاب الفيديو والأفلام. المشكلة هي أننا لا نملك ما يكفي من بيانات التدريب لتعليم الحواسيب كيفية القيام بذلك لهذه السحب الزغبية الجديدة، ومحاولة فرض الأساليب القديمة (المصممة للأسطح الصلبة) على هذه السحبات تؤدي عادةً إلى رسوم متحركة مكسورة ومشوهة.

هنا يأتي دور G-Skin، وهو إطار عمل ذكي يعمل كمخرج إبداعي لهذه السحب الرقمية. بدلاً من محاولة إجبار الحاسوب على التعلم من مكتبة ضخمة من الأمثلة ثلاثية الأبعاد (التي لا توجد بعد)، يستخدم G-Skin "أولوية بصرية توليدية" (Generative Visual Prior). فكر في الأمر كتوظيف فنان فائق الذكاء قد شاهد الملايين من الرسوم المتحوية والأفلام ثنائية الأبعاد. هذا الفنان يعرف تماماً كيف يجب أن تتماوج فروة دب عندما يلوح بيده، أو كيف يجب أن تنثني مفاصل الروبوت، حتى لو لم يسبق له رؤية نسخة ثلاثية الأبعاد من ذلك الكائن المحدد من قبل. يطلب G-Skin من هذا الفنان ثنائي الأبعاد رسم بعض "الصور الإرشادية" للكائن في وضعيات مختلفة. ثم يستخدم هذه الصور لتعليم السحب الزغبية كيفية الحركة، مع إضافة قواعد خاصة لضمان أن تبدو الحركة سلسة ولا تمزق الكائن. والنتيجة هي نظام يمكنه أخذ أي كائن غاوسي ثلاثي الأبعاد وأي هيكل عظمي، وتحديد كيفية جعل الكائن يتحرك بواقعية تلقائياً، حتى للأشكال والمخلوقات التي لم يرها الحاسوب من قبل.

المشكلة: السحب الزغبية مقابل العظام الصلبة

في عالم رسومات الحاسوب، هناك نجم جديد يسمى 3D Gaussian Splatting. على عكس الطرق القديمة التي تبني الأجسام من شبكة من المثلثات (مثل الهيكل السلكي الرقمي المغطى بالجلد)، تستخدم "الغاوسيات ثلاثية الأبعاد" ملايين السحب الصغيرة غير المتماثلة (التي تأخذ شكل بيضاوي) لتمثيل الجسم. هذه السحب مذهلة لأنها تعرض بسرعة فائقة وتبدو واقعية للغاية. ومع ذلك، فهي تشبه إلى حد ما سرب النحل: فهي رائعة في تشكيل شكل ما، لكنها لا تملك بنية داخلية متأصلة للحفاظ على ذلك الشكل عند الحركة.

لتحريك جسم ما، تحتاج إلى هيكل عظمي (شجرة من العظام والمفاصل) وأوزان التغليف (Skinning Weights). أوزان التغليف هي بمثابة خريطة تخبر كل نقطة في الجسم بمدى اتباعها لكل عظمة. على سبيل المثال، النقطة الموجودة على كتف الإنسان يجب أن تتبع عظمة الكتف بقوة، بينما النقطة الموجودة على المرفق يجب أن تتبع عظمة المرفق. إذا كانت الأوزان خاطئة، فقد يتمدد ذراع الشخصية مثل قطعة التافي أو ينفصل تماماً عندما تتحرك الشخصية.

العقبة الكبيرة هي أنه بينما نمتلك الكثير من نماذج الشبكات (Mesh) ثلاثية الأبعاد مع أوزان التغليف، إلا أننا لا نملك تقريباً أي نماذج "غاوسيات ثلاثية الأبعاد" عالية الجودة معها. لا يمكنك تدريب حاسوب على تعلم هذا من الصفر لأن البيانات غير موجودة. وإذا حاولت أخذ أوزان التغليف من شبكة صلبة وتطبيقها على هذه السحب الزغبية، فإن الأمر غالباً ما يفشل. لماذا؟ لأن السحب لا تستقر تماماً على سطح الشبكة؛ بل تطفو فوقها، أو تحتها، أو داخلها. هذا عدم التطابق يسبب حركة غريبة، حيث تتمدد أجزاء من الجسم أو تلتوي بشكل غير طبيعي.

الحل: استراتيجية "الفنان الشبح" لـ G-Skins

يقترح مؤلفو هذه الورقة البحثية G-Skin، وهو إطار عمل يحل هذه المشكلة عبر استعارة المعرفة من العالم ثنائي الأبعاد. بما أن لدينا مليارات الصور ومقاطع الفيديو ثنائية الأبعاد، ونماذج ذكاء اصطناعي قوية تفهم كيفية الحركة في البعدين، يستخدم G-Skin هذه النماذج كـ "أولوية توليدية".

إليك كيف تسير العملية، خطوة بخطوة:

1. الهيكل العظمي والسحب: تبدأ بجسم ساكن مكون من "الغاوسيات" وهيكل عظمي.
2. "الفنان الشبح" (توليد التوجيه): يستخدم G-Skin نموذج ذكاء اصطناعي خاص (يعتمد على Stable Diffusion) لتوليد "صور إرشادية". يأخذ الهيكل العظمي، ويحرك العظام إلى وضعية جديدة، ثم يسأل الذكاء الاصطناعي: "كيف سيبدو هذا الكائن في هذه الوضعية؟". يقوم الذكاء الاصطناعي برسم صورة ثنائية الأبعاد للكائن في موقعه الجديد. هو لا يخمن فحسب؛ بل يستخدم "نقاط تحكم" (مثل مقابض الدمية) و"أقنعة ديناميكية" (تخبر الذكاء الاصطناعي بالأجزاء التي يجب أن تتحرك والأجزاء التي يجب أن تظل ثابتة) لضمان تطابق الرسم مع حركة الهيكل العظمي.
3. تعلم الأوزان: الآن، يحاول النظام معرفة أوزان التغليف. يسأل: "إذا حركنا العظام بهذه الطريقة، كيف يجب أن تنزاح السحب الغاوصية لتتطابق مع الرسم الذي صنعه الذكاء الاصطني للتو؟"
4. شبكات الأمان (التنظيم): بما أن رسم الذكاء الاصطناعي قد لا يكون مثالياً (فهو مجرد تخمين ثنائي الأبعاد)، يضيف G-Skin قاعدتين للسلامة لعملية التعلم:
   • الصلابة المحلية (ARAP): تقول هذه القاعدة: "لا تمدد الجسم كثيراً". وهي تضمن أن تظل الأجزاء الصغيرة من الجسم صلبة ولا تتحول إلى هلام، تماماً مثل الجلد أو القماش الحقيقي.
   • الاقتران الهيكلي: تقول هذه القاعدة: "حافظ على قرب العظام والجلد". وهي تضمن أن تظل المسافة بين العظمة ونقاط السطح القريبة منها ثابتة، مما يمنع الجلد من الانزلاق عن العظمة.

ماذا وجدوا؟

اختبر الباحثون G-Skin على مجموعة متنوعة من الأجسام، بما في ذلك البشر، والشخصيات الكرتونية، وألعاب المحشوة. لقد أنشأوا مجموعة بيانات جديدة تضم 85 جسماً (50 بشري الشكل و35 غير بشري) خصيصاً لهذا الاختبار، تم إنشاؤها باستخدام أدوات تحويل النص إلى صورة وتحويلها إلى ثلاثية الأبعاد.

كانت النتائج واعدة. فعند مقارنته بالأساليب الأخرى التي تحاول تغليف الغاوسيات ثلاثية الأبعاد (مثل MIA، التي تعاملها كنقاط بسيطة، أو الأساليب القائمة على الشبكات مثل UniRig و Puppeteer)، أنتج G-Skin رسوماً متحركة أكثر سلاسة وواقعية بكثير.

• على الغاوسيات ثلاثية الأبعاد القياسية: تفوق G-Skin على طريقة النقاط الموجودة (MIA) في مقاييس مثل اتساق الموضوع والجودة الجمالية.
• على الغاوسيات المرتبطة بالشبكة (Mesh-anchored): عند اختباره مقابل بيانات الحقيقة الأرضية (Ground-truth)، حقق G-Skin درجات أعلى في جودة الصورة (PSNR قدره 26.37، وSSIM قدره 0.964) من الأساليب الرائدة القائمة على الشبكات، مما أنتج عيوباً بصرية أقل مثل التمدد أو التمزق.
• التعميم: الاكتشاف الأكثر إثارة للإعجاب هو أن G-Skin عمل بشكل جيد على أجسام لم يسبق له رؤيتها. وبينما عانت الأساليب الأخرى عندما لم يكن الجسم يشبه تماماً شيئاً في بيانات التدريب الخاصة بها، سمح استخدام "الفنان الشبح" ثنائي الأبعاد لـ G-Skin بالتكيف مع الأشكال والأنسجة الجديدة بفعالية.

الحدود والمستقبل

يشير المؤلفون بحذر إلى أن G-Skin ليس عصا سحرية لكل المشكلات.

• الهندسة الملتحمة: إذا كانت أجزاء من الجسم "ملتصقة" بطريقة تكسر الاستمرارية الهندسية المحلية (مثل أداة ملتصقة بالجسم)، فقد يواجه الأسلوب صعوبة لأنه يعتمد على الاستمرارية الهندسية السلسة.
• ليس "من البداية إلى النهاية" (Not End-to-End): حالياً، يتطلب G-Skin خطوة "تحسين وقت الاختبار" (Test-time optimization). وهذا يعني أنه يجب عليه إجراء عملية حسابية قصيرة لكل جسم جديد لمعرفة الأوزان؛ لا يمكنه ببساه التنبؤ بالإجابة في تمريرة واحدة مباشرة مثل النماذج التنبؤية.
• الاعتماد على البعد الثاني: بما أنه يعتمد على نماذج توليدية ثنائية الأبعاد، فإنه يرث قيودها. إذا ارتبك النموذج ثنائي الأبعاد بشأن كيفية ظهور وضعية معينة، فقد تتأثر الرسوم المتحركة ثلاثية الأبعاد.

في الختام، يقترح G-Skin اتجاهاً جديداً قوياً: بدلاً من انتظار ظهور مجموعات بيانات ضخمة ثلاثية الأبعاد، يمكننا استخدام المعرفة الواسعة لنماذج الرؤية ثنائية الأبعاد لتعليم الأجسام الغاوصية ثلاثية الأبعاد كيفية الحركة. إنه جسر بين العالمين ثنائي وثلاثي الأبعاد، مما يسمح لنا بتحريك الجيل القادم من الأصول الرقمية بدقة ومرونة عالية.