Loopy: Seamless Video Loop Generation via Anchored Looping Shift of Positional Embedding
يُعد Loopy إطار عمل مبتكرًا يحقق توليد فيديوهات حلقية عالية الجودة وسلسة من خلال تقديم استراتيجية إزاحة لتمثيل الموضع المثبت ضمن نماذج محولات الانتشار (Diffusion Transformers)، والتي تستفيد من التحكم الزمني الخاص بكل طبقة لتحويل الإدراك الزمني الخطي إلى إدراك دائري.
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
في العالم الرقمي، تُعد الحلقة الانسيابية معجزة صغيرة من الاستمرارية. فهي عبارة عن فيديو يعمل إلى الأبد دون أي تعثر، حيث تتدفق الإطار الأخير بسلاسة ليعود إلى الأول، مما يخلق إيهاماً بالزمن اللانهائي. ترى هذه الحلقات في كل مكان: في فقاعات الصودا على لافتة موقع إلكتروني، أو تمايل العشب في خلفية لعبة، أو الملصقات المتحركة على وسائل التواصل الاجتماعي. لعقود من الزمن، تطلب إنشاء هذه الحلقات من المحررين البشريين ربط اللقطات معاً بجهد مضنٍ، وهي عملية بطيئة ومكلفة. مؤخراً، وعد الذكاء الاصطناعي بأتمتة ذلك، عبر توليد فيديوهات من مجرد أوصاف نصية بسيطة. ومع ذلك، عندما طلب الباحثون من نماذج الذكاء الاصطناعي القوية هذه إنشاء حلقة مثالية، غالباً ما فشلت. كانت الفيديوهات تتعثر، أو تتجمد الحركة، أو لا يتطابق النها مع البداية. لم تكن المشكلة في افتقار الذكاء الاصطناعي للإبداع، بل في أنه لم يفهم كيف يعمل الزمن في دائرة.
لقد حل فريق من الباحثين الآن هذا اللغز من خلال تغيير كيفية إدراك الذكاء الاصطناعي لمرور الوقت. فقد اكتشفوا أن الجيل الحالي من نماذج صناعة الفيديو بالذكاء الاصطناعي، والتي تعتمد على هياكل داخلية معقدة تسمى "المحولات" (transformers)، تعامل الوقت كخط مستقيم. تستخدم هذه النماذج آلية محددة لتتبع مكان كل إطار في التسلسل، تماماً مثل شخص يعد خطواته من واحد إلى عشرة. وهذا يعمل بشكل جيد لفيلم له بداية ونهاية واضحتان، لكنه ينهار عندما يحتاج الفيديو إلى العودة إلى البداية. وجد الباحثون أنه داخل نماذج الذكاء الاصطناعي هذه، ليست كل أجزاء النظام جيدة بالتساوي في تتبع الوقت؛ فبعض طبقات النموذج صارمة جداً بشأن ترتيب الإطارات، بينما تكون طبقات أخرى أكثر مرونة. والأهم من ذلك، أنهم حددوا طبقة واحدة محددة تعمل كمرجع رئيسي، أو "مرساة"، للنظام بأكمله.
أدرك الفريق، بقيادة هاوتيان دونغ وزملاؤه، أن مجرد محاولة إجبار الذكاء الاصطناعي على التكرار عبر إخباره بتكرار الإطار الأول في النهاية لم ينجح. فغالباً ما كان الذكاء الاصطناعي يسلك الطريق الأسهل وينتج صورة ثابتة بلا حركة، أو ينشئ قفزة مزعجة بين الإطار الأخير والأول. وبدلاً من إجبار الفيديو على التكرار، قرروا تغيير الخريطة الداخلية للزمن في الذككاء الاصطناعي. فقد طوروا استراتيجية حيث قاموا بتعديل إشارات التوقيت لأجزاء مختلفة من نموذج الذكاء الاصطناعي بطريقة محددة. حافظوا على طبقة "المرساة" كما هي تماماً للحفاظ على معنى ومحتوى الفيديو، مما يضمن أن الذكاء الاصطناعي لا يزال يفهم القصة التي يرويها. أما بالنسبة للطبقات الأخرى، فقد قاموا بإزاحة إشارات التوقيت بحيث يكون نهاية الفيديو متصلة رياضياً بالبداية. وقد حول هذا إدراك الذكاء الاصطناعي للزمن من خط مستقيم إلى دائرة مثالية.
هذا التعديل، الذي يسميه الباحثون "إزاحة تضمين الموضع المرساة" (anchored position embedding shifting)، سمح للذكاء الاصطناعي بتوليد فيديوهات تتدفق بشكل طبيعي من البداية إلى النهاية وبالعكس. وعندما اختبروا هذه الطريقة، كانت النتائج مذهلة. أصبح بإمكان الذكاء الاصطناعي الآن إنشاء حلقات عالية الجودة لمحارب يضرب بسيف، أو كأس من الكولا مع تكثف قطرات الندى، أو ثعلب يقفز عبر الثلج، دون أي انقطاع مرئي في الحركة. كما أظهر الفريق أن هذه التقنية تعمل للفيديوهات ذات الخلفيات الشفافة، وهي ميزة أساسية لمطوري الألعاب والفنانين الرقميين الذين يحتاجون إلى وضع أشياء متحركة فوق مشاهد مختلفة دون وجود صندوق صلب حولهم. ومن خلال تدريب الذكاء الاصطناعي على مجموعة صغيرة من هذه الحلقات المولدة حديثاً، أنشأوا نظاماً يمكنه إنتاج حركات متنوعة وواقعية دون الأعطال التي كانت تعيب المحاولات السابقة.
يكمن نجاح هذا النهج في احترامه للمنطق الداخلي للذكاء الاصطناعي. فبدلاً من محاربة ميل النموذج الطبيعي لرؤية الوقت كخط مستقيم، عمل الباحثون معه، مستخدمين طبقة المرساة كنقطة مرجعية مستقرة بينما يوجهون بقية النظام بلطف نحو نمط دائري. وقد تم اختبار هذه الطريقة مقابل تقنيات أخرى موجودة ووجدت أنها متفوقة في خلق حركة سلسة ومستمرة. وهي تسمح بتوليد فيديوهات ليست متسقة بصرياً فحسب، بل غنية أيضاً بالتفاصيل والحركة. لقد أتاح الباحثون نموذجهم للجمهور، مما يفتح الباب أمام موجة جديدة من المحتوى الرقمي حيث تكون حدود الزمن غير مرئية، وتكون الحلقة سلسة حقاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.