← أحدث الأبحاث
💻 computer science

ReART: Reference-Guided Retrieval and Refinement for Emotion-Aware Art Generation

يُعدُّ deART إطار عمل للاسترجاع والتحسين الموجه بالمرجع، يعمل على تعزيز توليد الفن المدرك للعواطف من خلال تفكيك التسميات التوضيحية إلى مجالات بصرية مهيكلة لاسترجاع مراجع مستهدفة، وتوظيف حلقة مدفوعة بنظام (AAS) لتشخيص وإصلاح حالات فشل المحاذاة، محققاً أداءً رفيع المستوى في تحدي AffectiveArt 2026 Grand Challenge.

المؤلفون الأصليون: Qianqian Tang, Jiayi Gao, Ting Lei, Yang Liu

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

المؤلفون الأصليون: Qianqian Tang, Jiayi Gao, Ting Lei, Yang Liu

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

لطالما كان الفن أكثر من مجرد صورة لشيء ما؛ إنه وسيلة للشعور. فعلى مر قرون، استخدم الرسامون ضربات الفرشاة، واختيارات الألوان، وطريقة سقوط الضوء على المشهد لنقل مشاعر مثل الوقار أو البهجة أو الكآبة، وغالبًا دون رسم وجه مبتسم واحد أو دمعة واحدة. واليوم، تتعلم الحواسيب كيفية إنشاء هذه الصور من خلال الأوصاف المكتوبة، وهي عملية أصبحت بارعة بشكل مذهل في إنتاج مشاهد واقعية. ومع ذلك، ظهر تحدٍ جديد: تعليم الآلة أن الأجواء "الوقورة" تتطلب قرارات بصرية محددة ودقيقة، مثل الألوان الخافتة أو الإحساس بتسطيح المساحة، بدلاً من مجرد إضافة كائن حزين إلى الصورة. وتكمكم الصعوبة في حقيقة أن اللغة البشرية غالبًا ما تكون غامضة للغاية لوصف هذه التفاصيل الدقيقة. فعندما يكتب شخص ما وصفاً يطلب فيه "لوحة عصر النهضة ذات طابع وقور"، لا يعرف الكمبيوتر بالضبط أي درجات من الرمادي يجب استخدامها أو مدى سماكة ضربات الفرشاة لتطابق ذلك الشعور. الأمر يشبه أن تطلب من شخص ما رسم حالة مزاجية دون إعطائه لوحة ألوان محددة أو رؤية واضحة للملمس.

ولحل هذه المشكلة، طور باحثون في جامعة بكين وجامعة ووهان نظامًا يسمى ReART، والذي يعمل كجسر بين الكلمات العاطفية الغامضة والأدلة البصرية الملموسة. فبدلاً من محاولة تخمين المظهر الصحيح من النص وحده، يقوم النظام بتفكيك الوصف إلى أجزاء بصرية محددة، مثل الموضوع الرئيسي، وتخطيط المشهد، وملمس الطلاء، والمزاج العام. ثم يبحث في مكتبة ضخمة من الأعمال الفنية الموجودة للعثور على أمثلة حقيقية تطابق كل جزء من هذه الأجزاء المحددة. فإذا طلب الوصف نوعًا معينًا من ضربات الفرشاة، يجد النظام لوحة تمتلك ذلك الملمس الدقيق ويستخدمها كدليل. وهذا يسمح للكمبيوتر بأن يرى كيف يبدو "الوقار" أو "الدراما" فعليًا في يد فنان بارع، بدلاً من مجرد التخمين بناءً على الكلمات.

تتم العملية عبر خطوتين رئيسيتين. أولاً، ينشئ النظام صورة أولية باستخدام الوصف النصي والإشارات البصرية التي جمعها من المكتبة. بعد ذلك، يعمل النظام كناقد لنفسه، حيث يتحقق من النتيجة مقابل الطلب الأصلي. فإذا نجحت الصورة في تجسيد الموضوع ولكن الألوان بدت زاهية للغاية، أو إذا كان التكوين صحيحًا ولكن الملمس بدا ناعمًا ورقميًا للغاية، فإن النظام يحدد بدقة أين أخطأ. وهو لا يقوم ببساطة برمي الصورة والمحاولة مرة أخرى، بل يضع خطة محددة لإصلاح الأجزاء المعيبة فقط مع حماية الأجزاء الصحيحة بالفعل. فهو يختار أمثلة بصرية جديدة تطابق الخطأ المحدد ويقوم بتحرير الصورة بعناية لتصحيح الخلل، مما يضمن بقاء بقية اللوحة دون مساس. وتستمر دورة الفحص والإصلاح هذه حتى تتوافق الصورة تمامًا مع الأهداف العاطفية والبصرية للوصف.

تم اختبار نتائج هذا النهج في مسابقة كبرى لتوليد الفن العاطفي، حيث تم تقييم النظام بناءً على مدى قدرته على التقاط المحتوى، والأسلوب الفني، والسمات العاطفية الدقيقة. ووجد الباحثون أن طريقتهم أنتجت صورًا أقرب بكثير إلى الفن البشري الحقيقي من المحاولات السابقة. وفي المسابقة، حقق النظام درجة كاملة في اختبار التوافق العاطفي، مما يعني أنه نجح في مطابقة المشاعر المقصودة في كل حالة عُرضت عليه. كما احتل المركز الثاني إجمالاً في التحدي بأكه، مما يثبت أن تفكيك الطلب الفني المعقد إلى قطع بصرية أصغر وأكثر قابلية للإدارة واستخدام أمثلة حقيقية لتوجيه عملية الخلق هو وسيلة قوية لتعليم الآلات اللغة البصرية الدقيقة للفن. ويظهر هذا العمل أنه عندما تُمنح الحواسيب المراجع البصرية الصحيحة وطريقة للتحقق من عملها، يمكنها تعلم كيفية إنشاء فن يلامس العاطفة البشرية، ليس فقط باتباع القواعد، بل بفهم الملمس البصري للشعور.

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 →