← أحدث الأبحاث
🤖 AI

A Scalable Vector Graphics Latent Space

تقدم هذه الورقة البحثية نموذج SLS، وهو مشفر تلقائي قائم على تقنية Transformer، يعمل على إنشاء فضاء كامن متين وقابل للعكس ومتصل لرسومات المتجهات القياسية (SVG) من خلال تعلم تمثيلات مدمجة وثابتة الحجم لمسارات SVG الفردية، مما يتيح إعادة بناء عالية الدقة، وبحثاً فعالاً عن التشابه، وتوفيراً كبيراً في العمليات الحسابية مقارنة بالنهج القائم على الرموز (token-based).

المؤلفون الأصليون: Leonardo Zini, Elia Frigieri, Lorenzo Baraldi

نُشر 2026-08-25
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Leonardo Zini, Elia Frigieri, Lorenzo Baraldi

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

على مدى عقود، أتقنت الحواسيب فن فهم الصور المكونة من البكسلات، تلك المربعات الملونة الصغيرة التي تشكل كل صورة فوتوغرافية على الشاشة. ويعتمد هذا النجاح على حيلة ذكية: ضغط صورة معقدة في نقطة بيانات واحدة كثيفة تلتقط جوهرها، مما يسمح للآلات بإيجية صور متشابهة، أو وصفها بالكلمات، أو حتى إنشاء صور جديدة من الصفر. ومع ذلك، ظلت لغة بصرية مختلفة بعيدة المنال عن هذه الأدوات نفسها؛ وهي عالم الرسوميات المتجهة (Vector Graphics)، وهي التعليمات الرياضية المستخدمة لرسم الأيقونات، والشعارات، وعناصر واجهة المستخدم التي تظل حادة وواضحة عند أي حجم. وخلافًا للصورة الفوتوغرافية، التي هي عبارة عن شبكة ثابتة من النقاط، فإن الصورة المتجهة هي مجموعة من الأوامر الدقيقة التي تخبر الحاسوب كيفية رسم الخطوط والمنحنيات والأشكال. ولسنوات، عانى الذكاء الاصطناعي في فهم هذه التعليمات، حيث كان يعاملها غالبًا كنصوص ركيكة أو يحولها مجددًا إلى بكسلات، مما يؤدي إلى فقدان البنية ذاتها التي تجعلها قابلة للتعديل والتوسع.

لقد نجح فريق من الباحثين في جامعة مودينا وريدجو إميليا الآن في بناء جسر إلى هذا العالم المفقود. فقد قدموا نظامًا جديدًا يسمى SLS، والذي ينشئ مساحة مستمرة ومدمجة لهذه التعليمات المتجهة، تمامًا مثل الأنظمة الموجودة بالفعل للصور الفوتوغرافية. وبدلاً من إجبار الحاسوب على قراءة آلاف أوامر الرسم كجملة طويلة ومربكة، يتعلم نظام SLS ضغط كل شكل متميز في نقطة بيانات واحدة كثيفة. وتحمل هذه النقطة جميع المعلومات اللازمة حول هندسة الشكل وأسلوبه، مثل لونه وسماكته. وقد صُمم النظام ليكون عكسيًا؛ فتمامًا كما يمكن للإنسان أن ينظر إلى رسم ويصفه، يمكن للحاسوب أن يأخذ نقطة البيانات الواحدة هذه ويعيد بناء تعليمات الرسم الأصلية بدقة تامة، وصولاً إلى آخر تفصيل. يتيح هذا الاختراق للآلات البحث عن أشكال محددة، ووصف الأيقونات المعقدة بلغة طبيعية، ودمج العناصر المختلفة بسرعة وكفاءة كانا مستحيلين في السابق.

يكمن جوهر هذا الإنجاز في كيفية تعليم الفريق للحاسوب كيفية قراءة التعليمات. كانت الطرق التقليدية غالبًا ما تحاول معاملة كل أمر رسم ككلمة منفصلة، مما يؤدي إلى تسلسلات طويلة وفوضوية يصعب على أنظمة الذكاء الاصطناعي الحديثة التعامل معها بفعالية. وبدلاً من ذلك، استخدم الفريق نهجًا قائمًا على البيانات لتقسيم التعليمات إلى أجزاء ذات معنى، تمامًا كما قد يتعرف الإنسان على عبارة بدلاً من تهجئة كل حرف على حدة. لقد قاموا بتدريب شبكة عصبية لتحويل هذه الأجزاء إلى مفردات موحدة تتضمن الأوامر، والأرقام التي تحدد المنحنيات، وإعدادات الأسلوب مثل الشفافية ولون التعبئة. ومن خلال معالجة البيانات بهذه الطريقة، يتعلم النظام رسم كل شكل فردي في موقع محدد ضمن مساحة متعددة الأبعاد. ومن المثير للاهتمام أن الباحثين وجدوا أن هذه المواقع تستقر بشكل طبيعي في نمط متسق، مكونةً كرة يكون فيها كل نقطة على مسافة متساوية من المركز. هذا الانتظام الهندسي يسمح للنظام بإجراء عمليات رياضية بسيطة لإيجاد أشكال متشابهة أو مزج مفاهيم مختلفة معًا، وكل ذلك دون الحاجة إلى إعادة تدريب النموذج لكل مهمة جديدة.

إن نتائج هذا النهج الجديد مذهلة في كفاءتها ودقتها. فعند اختباره في مهمة وصف الصور المتجهة، قلل النظام من كمية البيانات التي يحتاج الحاسوب لمعالجتها بأكثر من مائة وخمسين مرة مقارنة بالطرق السابقة التي كانت تعامل التعليمات كنص خام. ورغم هذا الضغط الهائل، لم يفقد النظام جودته؛ فقد نجح في توليد أوصاف دقيقة للأيقونات والمخططات، متفوقًا على النماذج القديمة التي كانت تعتمد على تحويل الصور إلى بكسلات أولًا. وفي الاختبارات التي تضمنت استرجاع أشكال محددة من قاعدة بيانات تضم مئات الآلاف من العناصر، تمكن النظام من إيجاد المطابقات الصحيحة بمستوى من الدقة فاق كل من المشفرات القائمة على البكسلات والمحاولات السابقة الخاصة بالرسوم المتجهة. كما أظهر الباحثون أن النظام يمكنه التعامل مع صور لم يسبق له رؤيتها، محافظًا على قدرته على التعرف على الأشكال وإعادة بنائها حتى عندما تأتي البيانات من مصدر مختلف، مما يثبت أنه تعلم القواعد الأساسية للرسومات المتجهة بدلاً من مجرد حفظ أمثلة محددة.

ربما يكون الجانب الأكثر أهمية في هذا العمل هو قدرته على الحفاظ على التعليمات الأصلية. فقد تضمنت العديد من المحاولات السابقة لفهم الرسومات المتجهة تحويلها إلى بكسلات، مما يعني أن الحاسوب لن يتمكن أبدًا من استعادة أوامر الرسم الأصلية. وإذا أراد الجهاز تعديل الصورة، فعليه البدء من الصفر. ومع ذلك، فإن النظام الجديد قابل للانعكاس بالكامل؛ إذ يمكنه أخذ شكل معقد، وضغطه في نقطة بيانات واحدة، ثم توسيع تلك النقطة للعودة إلى مجموعة أوامر الرسم الأصلية بدقة تامة. وهذا يعني أن الحاسوب لا يمكنه فهم الصورة فحسب، بل يمكنه أيضًا التلاعب بها بنفس الدقة التي يتوقعها المصمم البشري. وقد أثبت النظام متانته ضد الأخطاء الصغيرة أو الضجيج، محافظًا على سلامة الشكل حتى عندما تعرضت البيانات لبعض الاضطراب. ومن خلال إنشاء طريقة موثوقة ومدمجة وعكسية لتمثيل الرسومات المتجهة، يفتح هذا العمل الباب أمام جيل جديد من الأدوات التي يمكنها توليد وإنشاء والبحث عن المحتوى المرئي القابل للتوسع وتعديله بنفس السهولة التي نتعامل بها حاليًا مع الصور الفوتوغرافية.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 🤖 cs.AI →