في عالم الذكاء الاصطناعي، تركيبات المشهد تُعتبر من العناصر الأساسية التي تحدد كيفية تفاعل العناصر البصرية داخل الصورة. ومع ذلك، كانت النماذج الحالية تعاني من ضعف في فهم التركيب الدقيق وتحويل نوايا المستخدم الإبداعية إلى أشكال مرئية قابلة للتحكم. لكن مع ظهور COMPASS، أصبح بإمكان الباحثين والمطورين الآن الوصول إلى تقنية متقدمة تمزج بين الفهم العميق للتركيبات وإنتاج محتوى مرئي عالي الجودة.

COMPASS هو الإطار الموحد الأول من نوعه الذي يعزز من التحكم في نوايا التركيب في نظام واحد، يجمع بين إدراك التركيب والإنتاج الموجه. هذا الإطار الجديد يعتمد على رمز خبير مشترك، $ au_c$، والذي يشكل النقطة المحورية للحكم على النوايا البصرية.

في جانب الإدراك، يقوم COMPASS بإدخال خبرة التركيب ضمن نواة MoE (Mixture of Experts) بطريقة غير متطفلة، ويعمل على استخراج النوايا وتحويلها إلى الرمز المشترك. بينما في جانب الإنتاج، يُعاد استخدام هذا الرمز كنقطة إشارة عالمية توجه مسار إزالة الضوضاء، مما يتيح تحويل التحليل الساكن للتركيب إلى تحكم صريح في التصميم البصري.

لضمان معالجة التعليمات بطريقة منهجية، تم إنشاء مجموعة البيانات Comp-11، التي تحتوي على 11 فئة مع تصنيفات معززة بالتفكير. عمليات الاختبار الشاملة أظهرت أن COMPASS يحقق تحسينات ملحوظة في فهم التركيب على مستوى الفئات، بالإضافة إلى تقديم نتائج أكثر اتساقًا وموثوقية مقارنة بالأنظمة التقليدية.

هذا التطور يفتح آفاقًا جديدة لفهم التركيب في النماذج متعددة الوسائط ويعزز القدرة على إنتاج تصميمات مرئية معقدة بسهولة أكبر. هل أنتم متحمسون لرؤية كيف سيساعدنا COMPASS في المستقبل؟ شاركونا آراءكم في التعليقات!