في عالم الذكاء الاصطناعي، يُعتبر تحرير الصور المحادثاتي (Conversational Image Editing) هو أحد التحديات المثيرة حيث يجب الحفاظ على المحتوى المرئي غير المرئي الذي قد يختفي عبر الأدوار المختلفة. فعندما يتم إضافة محتوى جديد أو تعديله، قد يتسبب ذلك في حجب مناطق كانت مرئية سابقاً، مما يتطلب عودتها مجدداً إذا لم يحدث لها أي تغيير دلالي. للأسف، العديد من الأنظمة الحالية لا تنجح في استعادة هذه المحتويات المحجوبة والتي لم تتغير، مما يؤدي في أغلب الأحيان إلى نتائج غير دقيقة أو مزيفة.

للتغلب على هذه التحديات، تم تقديم مجموعة أدوات OCCUR-Bench، وهي معيار تشخيصي يُعنى بالحفاظ على المحتوى عبر الزمن في تحرير الصور. توفر OCCUR-Bench سيناريوهات متنوعة لحجب واكتشاف المحتوى مع مراجع استعادة تاريخية، مما يمكّن من تقييم الدقة في الاستعادة بدلاً من إعادة تشكيل المحتوى فقط.

كما تم اقتراح تقنية جديدة تُدعى ReSpec، وهي إطار عمل لا يتطلب تدريباً مسبقاً، يجعل النوايا الضمنية للحفاظ على المحتوى واضحة من خلال ربط التعليمات المعنية بالاستعادة بالمراجع البصرية التاريخية. وذلك يعني أنه تلقاءً وعلى أساس تاريخ التحرير، يمكن لـReSpec أن يُحدد ما يجب أن يظل، ويختار الصورة التاريخية التي توفر الأدلة البصرية المفقودة، ويدعم محرر المحتوى بناءً على التعليمات والصورة المرجعية الناتجة.

تظهر التجارب أن ReSpec يُحسن من دقة الاستعادة والاتساق الزمني، مما يُبرز الحاجة إلى ترسيخ مفهوم الحفاظ في تاريخ التحرير بدلاً من الاعتماد فقط على الصورة الحالية.

ما رأيكم في هذه الابتكارات الجديدة في عالم تحرير الصور؟ شاركونا في التعليقات!