تعيش تقنيات تحويل النص إلى صورة (Text-to-Image) ثورة حقيقية بفضل ظهور نماذج لغوية متعددة الأنماط (Multi-modal Large Language Models - MLLMs) التي حققت إنجازات ملحوظة. ومع ذلك، لا تزال تواجه هذه التقنيات تحديات تتعلق بالتوافق مع الهياكل المطلوبة، مثل الحفاظ على عدد الكائنات والعلاقات المكانية والسمات المخصصة. لذا، تم تقديم IV-CoT، وهو إطار عمل مبتكر يعتمد على التفكير البصري الخفي لتحسين تخطيط الهياكل في عملية توليد الصور.

يعمل IV-CoT من خلال تقسيم استعلامات التكييف البصرية إلى نظام متسلسل من الهيكلية إلى الدلالات، حيث يتم تشكيل خطة بصرية خفية أولاً من خلال استعلامات الهيكل، ثم يتم تطبيق المظهر الجمالي بناءً على تلك الخطة من خلال استعلامات الدلالات.

ما يجعل IV-CoT متميزًا هو تقديم إشراف الرسم فقط خلال مرحلة التدريب، مما يعزز قدرة النموذج على التقاط الهياكل من الرسومات دون الحاجة إلى استخراج المخططات أو فك الشفرات أثناء وقت الاستدلال. هذا الأسلوب يعزز فعالية العملية ويحقق نتائج مبهرة وفقاً لاختبارات GenEval وT2I-CompBench.

توفر النتائج المرئية والتحليلات دلائل واضحة على أن الاستعلامات الهيكلية والدلالية تلعب أدوارًا مكملة في توليد الصور ذات الوعي الهيكلي، مما يجعل IV-CoT خطوة ثابتة نحو مستقبل واعد في الذكاء الاصطناعي وتطبيقاته الإبداعية.