في عالم الذكاء الاصطناعي، تواصل تقنيات نماذج اللغات الضخمة (Large Language Models) إحداث تأثيرات عميقة في مجالات متعددة، ومنها تقييم الجماليات في الصور. "AesCanvas" هو الابتكار الجديد الذي يهدف إلى تجاوز تقييم الجماليات القائم على التقييمات الكمية البسيطة، ليطرح مفهوماً أكثر تعقيدًا وملاءمةً للواقع.

تحتوي مجموعة بيانات AesCanvas على مكونين رئيسيين: الأول هو "CritiqueCanvas"، الذي يتضمن 519,136 مجموعة من استجابات التعليمات لتقييم 54,300 صورة، مما يوفر نقدًا طويلاً ومتعدد الأبعاد عبر مجالات مثل التصوير، والرسم، والخيال الافتراضي. بينما يتناول المكون الثاني، "ContextCanvas"، 301 سيناريو تم مراجعتها بواسطة خبراء لتقييم مدى ملاءمة الجماليات في سياقات واقعية.

عبر بروتوكول موحد، تم تقييم نماذج مختلفة من الذكاء الاصطناعي، مما أظهر تفصيلاً واضحاً بين إنتاج النقد وتقييم السياق. وقد أكدت النتائج أن النماذج المتخصصة في الجماليات تتفوق في بعض المقاييس، بينما كانت النماذج العامة ذات الأغراض واسعة النطاق أكثر فعالية على جبهة تقييم الملاءمة السياقية.

تكشف هذه الدراسة الجديدة عن أهمية تحديد معايير ملاءمة الصور سياقياً، مما يفتح آفاق جديدة للأبحاث في هذا المجال. إن AesCanvas ليست مجرد أداة جديدة، بل هي خطوة نحو مستقبل يتجاوز الحدود التقليدية في تقييم الجماليات. فهل تختلف معايير جماليات الصور حسب السياق الثقافي؟ ننتظر آراءكم في التعليقات.