في عصر التكنولوجيا الحديثة، أصبحت عملية تعديل الصور تتطلب أدوات متقدمة تلبي احتياجات المستخدمين بدقة عالية. في هذا السياق، جاء ابتكار HP-Edit، الذي يعد إطارًا فريدًا لتعديل الصور بناءً على تفضيلات البشر. غالباً ما تعتمد مهام تعديل الصور التقليدية على استخدام نماذج التوليد المتقدمة مثل نماذج الانحلال (Diffusion Models) لتعديل المحتوى. ومع ذلك، لا يزال تطبيق أساليب التعلم المعزز (Reinforcement Learning) مثل Diffusion-DPO وFlow-GRPO بشكل فعال في هذا المجال غير مستكشف بشكل كامل، ويرجع ذلك إلى نقص مجموعات بيانات خاصة بتفضيلات البشر القابلة للتوسع.

يعمل فريق البحث على سد هذه الفجوة من خلال تقديم HP-Edit كإطار عمل ما بعد التدريب مصمم لتطوير أساليب تعديل متوافقة مع تفضيلات البشر. كما تم إطلاق مجموعة بيانات RealPref-50K، التي تتضمن 50,000 مجموعة من البيانات الحقيقية عبر ثمانية مهام شائعة في تعديل الصور. يعتمد HP-Edit على كمية صغيرة من بيانات تقييم تفضيلات البشر، بالإضافة إلى نموذج لغوي بصري مدرب مسبقًا (Visual Large Language Model)، ليقوم بتطوير HP-Scorer، وهو مُقيم آلي مُصمم لتوافق تفضيلات البشر.

بفضل HP-Scorer، يمكن تكوين مجموعة بيانات قابلة للتوسع بناءً على تفضيلات المستخدمين، مما يحسن بشكل ملحوظ جودة النماذج مثل Qwen-Image-Edit-2509. وأيضًا، تم تقديم RealPref-Bench، كمقياس لتقييم أداء التعديل في العالم الحقيقي. وتظهر النتائج أن استخدام HP-Edit يُحقق تحسنًا كبيرًا في تطابق المخرجات مع تفضيلات البشر.

إن الابتكارات في مجال الذكاء الاصطناعي والتعلم الآلي لم تعد تقتصر على تحقيق نتائج فحسب، بل تسعى أيضًا لفهم وتلبية احتياجات المستخدمين بشكل أفضل. هل تعتقد أن هذا النظام الجديد سيحدث ثورة في مستقبل تعديل الصور؟ شاركونا آراءكم وتجاربكم في التعليقات.