شهدت النماذج الحديثة لتحويل النصوص إلى صور (Text-to-Image) تقدماً ملحوظاً في قدرة استنباط الصور من أوصاف قصيرة، إلا أنها تواجه تحديات كبيرة عند التعامل مع النصوص الطويلة والمفصلة، وهو ما يتطلبه استخدامات احترافية عديدة. في هذا السياق، قدم فريق من الباحثين مشروع **DetailMaster**، معيار تقييم شامل يُستخدم لتقدير قدرات النماذج في مجال تحويل النصوص الطويلة.

يضم معيار **DetailMaster** مجموعة من البيانات تم التحقق من صحتها بواسطة خبراء، بمعدل 284.89 رمز لكل نص، ويرتبط بأربعة جوانب تقييمية رئيسية: سمات الشخصيات (Character Attributes)، مواقع الشخصيات المنظمة (Structured Character Locations)، سمات المشهد متعددة الأبعاد (Multi-Dimensional Scene Attributes)، والعلاقات المكانية / التفاعلية (Spatial/Interactive Relationships).

أظهرت التقييمات التي أجريت على نماذج متعددة، بما في ذلك تلك التي تم تحسينها للنصوص الطويلة، قيوداً كبيرة في الأداء. حيث وجد الباحثون أن المحولات الضعيفة (Weak Encoders) تعاني من عدم القدرة على الحفاظ على التبعيات النحوية ضمن النصوص، بينما تعاني نماذج الانتشار (Diffusion Models) من تسرب السمات (Attribute Leakage) في الظروف التي تزداد فيها متطلبات التفاصيل.

من خلال دراسة تقليلية مُسيطر عليها تحت قيود مختلفة، أظهر البحث أن تحقيق جودة عالية في الصور المُنتجة يتطلب تنسيقاً بين توسيع حدود النصوص وتدريب النماذج على النصوص الطويلة. ولمواصلة هذا التقدم ، قام الفريق بإصدار مجموعة البيانات الخاصة بهم وشفرات البرمجة بشكل مفتوح المصدر، مما يشجع المزيد من التطورات في مجال تحويل النصوص الطويلة إلى صور.