Viggle تطلق استبدال الشخصيات في الصور بـ6 خطوات توليد

لديك لقطة ناجحة للقصة المصورة: وضعية مناسبة وإضاءة وتكوين. والآن عليك وضع بطل آخر في هذا المشهد، بتسريحة شعره وبنية جسمه وزيّه. قدّمت Viggle أداة Image Swap، وهي محوّل لنموذج Qwen-Image-2.1 ينفّذ هذا الاستبدال، بحسب وصف المشروع، اعتماداً على لوحة الشخصية. وبالنسبة إلى مطوّر الخدمات البصرية فالسؤال العملي بسيط: كم من التصحيحات اليدوية سيبقى بعد التوليد؟

نموذج Viggle-Image-Swap متاح على Hugging Face. وتستند تفاصيل العمل أدناه إلى وصف الإصدار المقدَّم، وليس فيه قياسات مستقلة للجودة أو السرعة.

كيف تنقل البطل إلى مشهد جاهز

يُدخَل إلى النموذج الصورة الأصلية ولوحة الشخصية. وفي الصيغة الموصوفة هي صورة بحجم 1536 × 1024: يشغل الثلث الأيسر بورتريه مقرّب، وتشغل بقية المساحة هيئة الشخصية من الأمام ومن الجانب ومن الخلف. وبذلك يحصل النموذج على معلومات عن الوجه والملابس ونسب الجسم.

تخيّل فريقاً يُعدّ القصة المصورة للعبة. في الصورة الأصلية يقف ممثل عند الباب وينظر من فوق كتفه. المطلوب وضع بطل اللعبة بزيّ مختلف مكانه مع الحفاظ على إخراج اللقطة. وقد أُعلن عن Image Swap لهذا النوع من العمل تحديداً: يتغير المظهر بالكامل، بينما يُفترض أن تبقى الوضعية وتعبير الوجه وزاوية التصوير والإضاءة والخلفية.

يوضح هذا المثال استخداماً محتملاً لكنه لا يثبت جودة النتيجة. ومن المهم خصوصاً التحقق من كيفية نقل النظام للزيّ عند دوران الجذع، ومن حفاظه على التفاصيل قرب اليدين والوجه. فاللقطة التجريبية الجميلة لا تعني أن السلسلة كلها ستخرج بالجودة نفسها.

ووفق وصف الإصدار، تُدعم الصور الجماعية أيضاً: يمكن تحديد موضع الشخص المراد استبداله وتعيين المشاركين الذين يجب الإبقاء عليهم. وهذه ميزة مهمة لواجهة المنتج، فالمستخدم يحتاج إلى طريقة واضحة لاختيار بطل بعينه، والمطوّر يحتاج إلى التأكد من أن الوجوه والملابس المجاورة تبقى على حالها فعلاً.

ست خطوات لا تعني زمن المعالجة

يأتي Image Swap بصيغة LoRA، أي محوّل قابل للتدريب يُضاف إلى نموذج أساسي. وهذا يعني أن التشغيل يتطلب مجموعة المكونات كاملة، لا ملف أوزان المحوّل وحده. وتذكر المادة المقدَّمة خط المعالجة QwenImage21Pipeline من Diffusers وسكربتاً مستقلاً هو inference/swap.py.

يستخدم الوضع الأساسي ست خطوات توليد. وهذه خاصية تقنية مفيدة للمطور، لكن لا يجوز تحويلها إلى وعد بأن «الصورة جاهزة في بضع ثوانٍ». فالزمن الكلي يعتمد على العتاد والدقة وتحميل النماذج وتجهيز الصور المدخلة، ولا توجد في المادة قياسات مقارنة من هذا النوع.

ويُوصف بشكل منفصل وضع turbo: تنفّذ الشبكة الأساسية الخطوتين الأوليين، ثم ست خطوات أخرى ينفّذها نموذج Turbo. ويربط المؤلفون هذا الوضع بتحسين الملمس الدقيق. ويستحسن تقييمه على مصادر متطابقة، فالملمس الأوضح بحد ذاته لا يضمن تشابهاً أفضل مع الشخصية ولا حفظاً أفضل للمشهد.

كما يعلن السكربت عن تحسين في معالجة الصور: استُبدلت عملية Conv3d بضرب مصفوفات مكافئ. أما التوفير المذكور، نحو 30 ثانية لكل صورة مدخلة، فينبغي اعتباره نتيجة لإعداد محدد لدى المؤلفين. ومن دون معلومات عن العتاد وظروف الاختبار، من المبكر استخدام هذا الرقم في حساب أداء الخدمة.

ما الذي يجب فحصه قبل الدمج

يمكن بدء الاختبار العملي بمجموعة صغيرة من مشاهدك الخاصة: بورتريه منفرد، ولقطة بالطول الكامل، ومجموعة أشخاص، وإضاءة معقدة، وهيئة محجوبة جزئياً. وحدّد مسبقاً لكل لقطة ما يجب أن يبقى، مثل موضع اليدين ورسم الخلفية ومظهر الشخص الذي لم يختره المستخدم للاستبدال.

ثم يجدر حساب نسبة النتائج الصالحة دون تنقيح، ومتوسط زمن المعالجة، وحجم التصحيحات اليدوية. فهذه المؤشرات هي التي تكشف اقتصاديات الميزة. فإذا كان المصمم يعيد تصحيح اليدين وحدود الملابس والوجوه المجاورة بعد كل استبدال، فإن التوليد السريع لا يقلّل العمل بالضرورة.

وقبل الاعتماد التجاري ستحتاج أيضاً إلى التحقق من تراخيص المحوّل والنماذج الأساسية، ومتطلبات ذاكرة الفيديو، وإمكانية معالجة صور المستخدمين في البنية التحتية المختارة. وهذه المسائل غير مشروحة في المادة الأصلية.

وبالنسبة إلى الفرق التي تحتاج بانتظام إلى تغيير الأبطال في تكوينات جاهزة، يستحق الإصدار تجربة تجريبية. والخطوة المنطقية التالية هي جمع سلسلة اختبار وقياس مدى تقليل Image Swap للعمل على اللقطة الجاهزة. فهذا سيعطي جواباً أنفع من عدد خطوات التوليد.