في السنوات الأخيرة، شهدت تقنيات تقييم جودة الصور (Image Quality Assessment - IQA) لصور الذكاء الاصطناعي (AI-generated images - AIGI) تقدمًا ملحوظًا، ولكن كانت معظم الطرق تركز على الصور الشخصية والفنية فقط، مما ترك فراغًا في تقييم الصور الداخلية. لتجاوز هذا القصور، قدمنا مفهوم الجمالية المكانية (Spatial Aesthetics)، الذي يقيّم جودة الصور الداخلية بناءً على أربعة أبعاد أساسية: التخطيط، التناغم، الإضاءة، والتشويه.

قمنا بإنشاء SA-BENCH، وهو أول معيار لجمالية المساحات، والذي يتضمن 18,000 صورة و50,000 تعليق دقيق، مما يجعل منه أداة قوية لتحليل وتقييم الجماليات. من خلال استخدام SA-BENCH، تمكنا من تقييم منهجيات IQA الحالية وتطوير SA-IQA، الذي يعتمد على تحسين التعلم بالآلات (MLLM) وتقنية دمج متعددة الأبعاد.

تُستخدم SA-IQA في مهمتين رئيسيتين، الأولى كإشارة مكافأة مدمجة مع نموذج GRPO للتعلم المعزز بهدف تحسين عملية إنتاج المحتوى، والثانية لاختيار أفضل الصور من بين خيارات متعددة، لتحسين جودة الإنتاج.

تظهر نتائج التجارب أن SA-IQA يتفوق بشكل كبير على الطرق الحالية المستخدمة في SA-BENCH، مما يضع معيارًا جديدًا لتقييم الجمالية المكانية. يمكنكم إيجاد الشيفرة البرمجية على رابط الشيفرة. هل أنتم متحمسون لتجربة هذه التقنية الجديدة في مجالاتكم الخاصة؟ شاركونا آرائكم في التعليقات!