في عالم تقنيات الفيديو الحديثة، تبرز أهمية أدوات الترميز كعنصر رئيسي في تحسين جودة الصورة وتقليل حجم البيانات. من هنا، تطرح دراسة جديدة سؤالاً مثيرًا: هل يمكن لنماذج اللغات الضخمة (LLMs) أن تلعب دورًا في تصميم هذه الأدوات؟

تناولت هذه الدراسة حالة عملية حول وضعية الـ Planar، والتي تعتبر من الأدوات التقليدية في معايير ترميز الفيديو. اعتمدت التجارب على حلقة توليد وتقييم، حيث قامت الـ LLM بتوليد محركات جديدة لوضعية الـ Planar، ثم تم اختبار أدائها البرمجي باستخدام محولات جديدة، والعودة إلى نموذج الـ LLM لتوليد تحسينات بناءً على التغذية المرتدة من التجارب.

أظهرت النتائج أن استبدال وضعية الـ Planar الافتراضية في مُشفّر Fraunhofer Versatile Video Encoder (VVenC) باستخدام نموذج الـ LLM قد حقق وفورات بقدرة 0.18% في معدل البت، مع زيادة تعقيد مقدارها 0.4% فقط بالنسبة لمعايير الاختبار المعتمدة.

وفي خطوة إضافية، تم توسيع التقييم ليشمل نموذج الضغط المعزز (Enhanced Compression Model - ECM)، حيث تم استكشاف استراتيجيتين للإدماج باستخدام وضعيات Planar الجديدة. تشير النتائج التجريبية إلى أن كلاً من الاستراتيجيتين يمكن أن تحقق مكاسب في الترميز في سياقات معينة ذات دقة منخفضة.

بشكل عام، تثبت هذه الدراسة أن استخدام نماذج اللغات الضخمة في تصميم أدوات الترميز يحمل إمكانيات واعدة، رغم التحديات التي لا تزال قائمة.

ما رأيكم في هذا التطور؟ هل تعتقدون أن الذكاء الاصطناعي سيستمر في تحسين أدوات الترميز؟ شاركونا في التعليقات!