في السنوات الأخيرة، حققت تقنيات توليد الفيديو الذاتي (autoregressive video generation) تقدمًا ملحوظًا في تماسك المحتوى على مدار فترات طويلة. ولكنه، في سياق السرد التفاعلي، يتطلب الأمر أكثر من مجرد تمديد مستمر للمشاهد. تتطلب بعض اللقطات الجديدة دمج شخصيات وخلفيات من مشاهد تاريخية مختلفة بطريقة سلسة وذكية.

تقدم Weave Forcing حلاً مبتكرًا للتحديات التي تواجه توليد الفيديو التفاعلي الطويل. تم تصميم هذا الإطار التدريبي المجاني لاستغلال الذاكرة التراكمية بشكل متكامل. يعتمد على نموذج لغوي ضخم (Large Language Model) لتوجيه الصفحات الدلالية وفك تكوين الأوصاف، سواء للشخصيات أو الخلفيات، ثم يقوم بشكل صريح باختيار المراجع التاريخية المناسبة لكل عنصر.

تتميز Weave Forcing بطريقة مميزة تُعرف بـ "تدوير الذاكرة المبطنة" (masked memory weaving) المستخدمة لإنشاء خرائط انتباه متباينة، تتمحور حول الصفحات الدلالية، من أجل بناء أقنعة دلالية مصفاة تعكس المحتوى اللازم. وبفضل هذه التقنية، تتمكن النموذج من تجنب تقديم محتوى بصري غير ذي صلة.

كما أضيفت ميزة جديدة تُعرف بـ "تغطية RoPE القابلة للتكيف" (coverage adaptive RoPE) التي تضبط الفواصل الزمنية واحتفاظ الذاكرة وفقاً لمدى تغطية المرجع المطلوب، مما يعالج العيوب البصرية التي قد تظهر عند اقتراب المراجع التاريخية غير المكتملة من الجيل الحالي.

أثبتت التجارب الشاملة أن Weave Forcing تعزز من اتساق الموضوعات والخلفيات عبر اللقطات مع الحفاظ على جودة بصرية تنافسية ومواءمة نصية دقيقة. إن هذا الابتكار يعد خطوة عملاقة في عالم توليد الفيديو، حيث يسعى المطورون إلى تقديم محتوى تفاعلي يجذب المشاهدين ويسمح لهم بالشعور بالتفاعل مع الأحداث بشكل أكبر. ما رأيكم في هذا التطور؟ شاركونا آراءكم في التعليقات.