في خطوة جديدة نحو تعزيز قدرات الذكاء الاصطناعي، تم الكشف عن OpenCoF، إطار مبتكر يجمع بين توليد الفيديو والتفكير المنطقي. لقد أصبحت مهارة التفكير قدرة أساسية للنماذج الكبيرة، حيث تعتمد الكثير من القرارات الموثوقة على فهم العواقب المنطقية.

قدمت النماذج الحديثة لتوليد الفيديو طريقة تفكير جديدة تختلف عن أسلوب Chain-of-Thought (CoT)، حيث أصبح التفكير يتكشف من خلال الإطارات الزمنية المتصلة، وهو ما يعرف بـ Chain-of-Frame (CoF) reasoning. ولكن، كان هناك نقص في النماذج الحالية، حيث تم تدريبها بشكل أساسي على مجموعات فيديو عامة، مما أدى إلى عدم تنوع الإشراف والتصاميم المخصصة لتفكير CoF.

لمعالجة هذه الفجوة، يقدّم OpenCoF مجموعة بيانات OpenCoF-17K، والتي تشمل بيانات فيديو خاصة بالتفكير تغطي 11 مجالاً مختلفاً من المهام. بالإضافة إلى ذلك، تم تطوير نموذج Wan-CoF المدرب بدقة ليتناول ما إذا كان الإشراف الزمني المتنوع يحسن سلوك CoF.

من خلال مقارنة الأداء عبر أربعة اختبارات لتفكير الفيديو، أظهر Wan-CoF تحسينات كبيرة مقارنةً بأساس Wan2.2-I2V-A14B. يجعل هذا الابتكار النموذج أكثر تكاملاً من خلال تجهيز آليات للتفكير البصري والنصي، مما يسهم في التقاط الإشارات البصرية الدقيقة والمبادئ الدلالية العليا.

بفضل التحليلات الدقيقة للأداء والتركيز، نبحث كيف تسهم هذه الآليات عبر عمق النموذج، وتخفيض الضوضاء، والزمان، والمكان. تشير نتائجنا إلى أن التفكير الأقوى في الفيديو يحتاج إلى إشراف زمني واسع وآليات واضحة لتنظيم حالة التفكير المتوسطة.

لمزيد من الأبحاث في مجال توليد الفيديو الموجه نحو التفكير، تم فتح مصدر مجموعة البيانات، والنموذج، والشيفرة الكودية.