Generative Models for Signature Synthesis and Face Translation: A Comparative Study of VAE, GAN, Conditional GAN, and CycleGAN

تخيل عالماً لا تكتفي فيه الحواسيب بالتعرف على ما تراه، بل يمكنها حقاً تخيل أشياء جديدة من العدم. هذا هو مجال الذكاء الاصطناعي التوليدي (Generative AI)، وهو فرع من فروع التعلم العميق حيث تتعلم الآلات "قواعد" مجموعة بيانات معينة — مثل كيف يبدو التوقيع أو كيف يبدو وجه القط — ثم تستخدم تلك القواعد لإنشاء أمثلة جديدة تماماً لم يسبق لها مثيل. فكر في الأمر كتعليم طفل الرسم عبر إظهار ألف صورة لقطط له؛ في نهاية المطاف، سيتمكن الطفل من رسم قطته الفريدة الخاصة دون أن يكون قد رأى هذه القطة تحديداً من قبل.

ولتحقيق ذلك، يستخدم العلماء "معماريين" أو نماذج مختلفة. بعض النماذج، التي تُسمى المشفرات التلقائية التباينية (VAEs)، تعمل كفنان ضغط: تأخذ صورة، وتختصرها إلى "جوهرها" الأكثر أساسية (كود خفي)، ثم تحاول إعادة بنائها. وهناك نماذج أخرى، تُسمى شبكات الخصومة التوليدية (GANs)، وهي أشبه بمزور ومحقق يلعبان لعبة عالية المخاطر. يحاول المزور إنشاء فن مزيف جيد لدرجة لا يستطيع المحقق معه تمييزه بأنه مزيف، بينما يصبح المحقق أفضل في كشف التزوير. وأحياناً، نعطي هذه النماذج تلميحاً أو "شرطاً" (مثل رسم تخطيطي) لتوجيه عملية الإنشاء، وهو ما يسمى الشبكة الخصومية التوليدية المشروطة (Conditional GAN). وفي أحيان أخرى، نريد ترجمة أسلوب إلى آخر (مثل تحويل رسم تخطيطي إلى صورة فوتوغرافية) دون الحاجة إلى أزواج متطابقة تماماً، وهنا يأتي دور CycleGAN، الذي يستخدم قاعدة "الرحلة المستديرة" لضمان منطقية الترجمة. إن فهم أي أداة هي الأنسب لأي مهمة أمر بالغ الأهمية، لأنه رغم أن جميعها تنشئ صوراً، إلا أنها تفعل ذلك بطرق مختلفة تماماً وبنقاط قوة وضعف متباينة.

المواجهة الكبرى للنماذج التوليدية: المزورون، المحققون، والحالمون

في هذه الدراسة، قامت الباحثة لبيبة أمير بإعداد ساحة رقمية لمراقبة أربعة أنواع مختلفة من النماذج التوليدية وهي تتصارع عبر ثلاث تحديات متميزة. لم يكن الهدف مجرد رؤية أي نموذج يمكنه صنع الصورة "الأروع"، بل لفهم كيفية سلوك كل نموذج، وأين يتعثر، وما هو نوع المهمة الذي يناسبه بشكل أفضل. التحديات الثلاثة كانت: إنشاء تواقيع مزيفة، توليد صور لقطط وكلاب من مجموعة بيانات قياسية، وترجمة الرسوم التخطيطية اليدوية إلى صور وجوه واقعية (والعكس بالعكس).

المتنافسون واستراتيجياتهم

أولاً، كان هناك الـ VAE (المشفر التلقائي التبايني). تخيل طالباً يحاول حفظ توقيع عبر تفكيكه إلى مجموعة من التعليمات (كود كامن) ثم يحاول إعادة رسمه من الذاكرة. يقوم الـ VAE بهذا بالضبط: يضغط الصورة إلى "جوهرها" الرياضي ثم يعيد بناءها. وجدت الورقة البحثية أن هذا النهج كان مستقراً وموثوقاً للغاية. فعند اختباره على توليد التواقيع، نجح الـ VAE في إعادة بناء الصور بمعدل خطأ منخفض جداً، سُجل كـ فقد إعادة بناء الاختبار بنسبة 0.015. يشير هذا إلى أن النموذج تعلم بنية التواقيع جيداً، رغم أن الصور الناتجة كانت تميل إلى أن تكون "أنعم" أو أقل حدة من تلك التي صنعتها النماذج الأخرى.

بعد ذلك، دخلت الـ Standard GAN (الشبكة الخصومية التوليدية القياسية) إلى الحلبة. هذا هو الإعداد الكلاسيكي للمزور والمحقق. حاول المزور (المولد) إنشاء تواقيع مزيفة، بينما حاول المحقق (المميز) كشفها. لاحظت الورقة أنه مع استمرار التدريب، أصبحت التواقيع المزيفة أكثر إقناعاً. أصبح المحقق بارعاً جداً في عمله، حيث وصل إلى دقة قدرها 85% في التمييز بين التواقيع الحقيقية والمزيفة. ومع ذلك، تحذر المؤلفة من أن رقم 85% هذا هو في الغالب علامة على أن النموذجين كانا يلعبان لعبة متوازنة؛ ولا يعني بالضرورة أن التواقيع المزيفة كانت مثالية، بل يعني فقط أن المحقق كان يقوم بعمله جيداً.

ثم جاءت الـ Custom GAN (الشبكة الخصومية المخصصة)، المكلفة بمهمة أصعب: توليد صور لقطط وكلاب من مجموعة فرعية صغيرة من مجموعة بيانات CIFAR-10 الشهيرة. هذه الصور صغيرة جداً (32 × 32 بكسل)، مما يجعل المهمة صعبة. امتلك هذا النموذج لمسة خاصة: استخدم آلية "شبيهة بـ Siamese" لمقارنة الصور المولدة بالصور الحقيقية، محاولاً ضمان تشابههما. والنتيجة؟ حقق النموذج درجة تشابه بلغت 0.72. تسلط الورقة الضوء على أن تدريب هذا النموذج كان أصعب من الـ VAE لأن المولد والمميز يجب أن يتحسنا في نفس الوقت، وكان إيجاد التوازن الصحيح بمثابة رقصة دقيقة.

المتنافس الرابع كان الـ Conditional GAN (الـ cGAN). هنا، لم يكن النموذج يخمن فحسب؛ بل تم إعطاؤه أمراً محدداً. بالنسبة لمهمة الرسم التخطيطي إلى وجه، تم تسليم النموذج رسماً خطياً (الاسكتش) وإخباره: "حول هذا إلى وجه واقعي". ولأن لديه هذا الدليل، لم يكن عليه تخمين بنية الوجه من الصفر. تشير الورقة إلى أن هذا النموذج حقق متوسط درجة تشابه بكسلية قدرها 0.80 عند مقارنة الوجوه المولدة بالوجوه الحقيقية. لقد أتى "الاشتراط" ثماراً رائعة، مما ضمن مطابقة الوجه المولد لبنية الرسم التخطيطي المدخل.

أخيراً، كان هناك الـ CycleGAN، سيد الترجمة. على عكس الـ cGAN، الذي احتاج إلى أزواج متطابقة من الرسوم التخطيطية والصور، استطاع الـ CycleGAN تعلم ترجمة الرسوم التخطيطية إلى صور، والصور إلى رسوم تخطيطية دون الحاجة إلى أزواج متطابقة تماماً. استخدم قاعدة "الرحلة المستديرة" الذكية: إذا حولت رسماً تخطيطياً إلى صورة، ثم حولت تلك الصورة مرة أخرى إلى رسم تخطيطي، يجب أن ينتهي بك الأمر بشيء يشبه الرسم التخطيطي الأصلي. لاحظت الورقة أن "فقد اتساق الدورة" (وهو مقياس لمدى نجاح الرحلة المستديرة) استقر بعد حوالي 50 دورة تدريبية (epochs)، وأصبحت الصور الناتجة متماسكة بصرياً.

الحكم النهائي: لا يوجد فائز واحد يناسب الجميع

إذاً، من الفائز؟ تخلص الورقة إلى أنه لا يوجد نموذج واحد "أفضل"؛ فالأمر يعتمد كلياً على ما تحاول القيام به.

• نماذج VAEs هي العمال الموثوقون. هي رائعة في تعلم البنية الأساسية للبيانات وهي مستقرة جداً في التدريب، لكن صورها قد تبدو أحياناً ضبابية أو "حالمة".
• نماذج Standard GANs هي الفنانون المهرة. يمكنها إنتاج صور عالية الجودة وواقعية للغاية، لكنها متقلبة. إذا أصبح "المحقق" قوياً جداً، يتوقف "المزور" عن التعلم؛ وإذا كان المحقق ضعيفاً، يفشل المزور في التحسن. إنها حساسة لكيفية إعدادك لها.
• نماذج Conditional GANs هي المساعدون المطيعون. إذا كان لديك دليل محدد (مثل رسم تخطيطي)، فهي ممتازة في اتباع التعليمات لإنشاء نتيجة متطابقة.
• نماذج CycleGANs هي المترجمون. تتألق عندما تحتاج إلى التبديل بين أسلوبين (مثل الرسوم التخطيطية والصور) ولا تملك أزواجاً مثالية من الصور للتدريب عليها.

تشير الدراسة أيضاً إلى بعض القيود. المقاييس المستخدمة، مثل "التشابه البكسلي" أو "فقد إعادة البناء"، سهلة الحساب ولكنها لا تلتقط دائماً مدى "واقعية" الصورة للعين البشرية. فقد تكون الصورة ذات درجة تشابه عالية ولكنها لا تزال تبدو غريبة، أو قد تبدو الصورة مثالية ولكنها تحصل على درجة منخفضة بسبب اختلافات بكسلية صغيرة. تقترح المؤلفة أنه بالنسبة للدراسات المستقبلية، قد نحتاج إلى طرق أكثر تقدماً للقياس، مثل طلب تقييم البشر للصور أو استخدام اختبارات رياضية أكثر تعقيداً.

في النهاية، تعمل هذه الورقة كدليل عملي لأي شخص يتطلع إلى بناء نماذج توليدية. فهي توضح أنه بينما التكنولوجيا قوية، فإن اختيار الأداة المناسبة للمهمة لا يقل أهمية عن الأداة نفسها. سواء كنت بحاجة إلى إعادة بناء مستقرة، أو تزوير حاد، أو إنشاء موجه، أو ترجمة سلسة، فهناك نموذج محدد مصمم لهذا الدور، ولكل منها شخصيتها الفريدة وتحدياتها الخاصة.