محوّلات ControlNet لنموذج MOSS-Image-SFT بترخيص Apache 2.0: الوضعية والعمق والخطوط الخارجية
صدرت مجموعة محوّلات ControlNet لنموذج MOSS-Image-SFT المفتوح بترخيص Apache 2.0. تحدد صورة الإدخال التركيب — الوضعية والعمق والخطوط الخارجية — بينما يتولى النص المُدخل المظهر والخامات والأسلوب. تتوفر مسارات عمل جاهزة لـ ComfyUI، والنسخة المكمّمة تتسع في 16–24 غيغابايت من ذاكرة الفيديو، أي أن بطاقة منزلية تكفي.
معالج بواسطة الذكاء الاصطناعي من TG: @cgevent (Метаверсище и ИИще)؛ بتحرير Hamidun News
هذه معاناة مألوفة لكل من يولّد الصور بالشبكات العصبية: يصف الـprompt «ماذا» لكنه بالكاد يتحكم في «أين». تطلب شخصًا في وسط قفزة فيُخرجه النموذج واقفًا. تطلب زاوية تصوير محددة فتحصل على زاوية عشوائية. ولهذا ابتُكر ControlNet: أنت لا تقدّم نصًا فحسب، بل تلميحًا بنيويًا أيضًا، ويبني النموذج الصورة حوله.
والآن توجد مجموعة كهذه لنموذج MOSS-Image-SFT. وقد صدرت بترخيص Apache 2.0، ما يعني إمكانية استخدامها في المشاريع التجارية دون موافقات منفصلة.
ما الذي صدر بالضبط
تضم المجموعة سبعة محوّلات: OpenPose/DWPose (هيكل الجسم ونقاطه الرئيسية)، وDepth (خريطة العمق)، وCanny (الخطوط الخارجية)، وLineart (الرسم الخطي)، وNormal Map (متجهات السطح العمودية)، وScribble (الرسوم التخطيطية الخشنة)، وSegmentation (تقسيم المناطق).
المبدأ واحد في جميعها. كل وحدة مدرَّبة كمحوّل تحرير: تحدد صورة الإدخال بنية الإطار، ويحدد النص كل ما عدا ذلك — مظهر الشخصية والخامات والمحيط والأسلوب.
مثال بسيط: تأخذ صورة لشخص في الوضعية المطلوبة، وتمررها عبر DWPose فتحصل على الهيكل. ثم تكتب الـprompt: «رائد فضاء ببدلة صدئة على خلفية صحراء». تبقى الوضعية من الصورة الأصلية، ويرسم النموذج كل ما تبقى. وبالأسلوب نفسه، يحافظ Depth على منظور الغرفة مع تغيير الديكور بالكامل، ويحافظ Canny على ظلال الأشياء.
التفاصيل التقنية
المحوّلات مبنية بصيغة LoRA: رتبة 64 على الطبقات الخطية ورتبة 16 على الكتل الالتفافية. جرى التدريب مع تفعيل KV-cache. أما الأهم عمليًا فهو أمر آخر: التوافق المعلن مع الأوزان المكمّمة. يعمل UNet بصيغة INT8، ومشفّر النصوص Qwen3.5-9B بصيغة W4A8 GPTQ. وبهذا الإعداد يعمل كل شيء على بطاقات الرسوميات الاستهلاكية بذاكرة 16–24 غيغابايت VRAM.
جُهّزت مسارات عمل جاهزة لـ ComfyUI. وهي تستخدم العقدة Text Encode MOSS-Image Edit بوضع ai-toolkit. لن تضطر إلى بناء السلسلة من الصفر: تحمّل مسار العمل، وتضع الأوزان، وتقدّم المرجع.
أوزان OpenPose وDepth وCanny منشورة بالفعل على Hugging Face. ويبدو من الروابط أنها نُشرت بواسطة مؤلف مستقل (الحساب thedeoxen)، وليس فريق OpenMOSS المسؤول عن النموذج الأساسي.
القيود وكيفية التعامل معها
لا يتضمن المنشور أي اختبارات أداء ولا مقارنات مع ControlNet لنماذج أخرى. لذلك من المبكر الحكم على جودة التحكم البنيوي واستقراره: ستحتاج إلى التحقق بنفسك من مدى دقة الحفاظ على الوضعية في المشاهد المعقدة، وما إذا كانت الخطوط الخارجية «تنزاح» عند تغيير الأسلوب. إضافة إلى ذلك، لا توجد روابط للأوزان إلا لثلاثة محوّلات من أصل سبعة. أما أين توجد Lineart وNormal وScribble وSegmentation فلا يتضح من المنشور.
الخلاصة العملية قصيرة:
- إذا كنت تشغّل MOSS-Image-SFT بالفعل في ComfyUI، فخذ Pose وDepth وCanny وقارنها بمسارك الحالي على مراجعك الخاصة.
- إذا كنت تختار نموذجًا مفتوحًا لمسار إنتاجي (توليد الشخصيات، واللوحات القصصية، والديكورات الداخلية)، فإن وجود تحكم بنيوي بترخيص Apache 2.0 ميزة مهمة. فهو يلغي الحاجة إلى واجهات برمجية مغلقة لضمان تركيب متوقَّع.
- إذا كانت بطاقتك بذاكرة 16 غيغابايت، فابدأ بالإعداد المكمّم وتحقق من تأثير INT8 وW4A8 على التفاصيل.
الخلاصة: هذا ليس اختراقًا في البنية، بل قطعة البنية التحتية الناقصة. لكن هذه القطع تحديدًا هي ما يحوّل النموذج المفتوح من عرض تجريبي إلى أداة عمل.
- 12 نوفمبر 2026وكلاء الذكاء الاصطناعي يعيدون فحص أكثر من 2000 ورقة بحثية في ICML 2026 ويكشفون أخطاء فاتت المراجعين
- 12 نوفمبر 2026ثماني دول وOpenAI وAnthropic تعد بـ«زر إيقاف طارئ» لنماذج الذكاء الاصطناعي، لكن بلا مواعيد ولا غرامات
- 12 نوفمبر 2026Hugging Face تحذّر: موجة الاختراقات قد تجعل الذكاء الاصطناعي مفتوح المصدر أقل انفتاحًا
- 12 نوفمبر 2026OpenAI تبني «غرفة التحكم»: مفتاح إيقاف طارئ للنماذج التي خرجت من البيئة المعزولة
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول ما الذي صدر بالضبط؟
تضم المجموعة سبعة محوّلات: OpenPose/DWPose (هيكل الجسم ونقاطه الرئيسية)، وDepth (خريطة العمق)، وCanny (الخطوط الخارجية)، وLineart (الرسم الخطي)، وNormal Map (متجهات السطح العمودية)، وScribble (الرسوم التخطيطية الخشنة)، وSegmentation (تقسيم المناطق). المبدأ واحد في جميعها. كل وحدة مدرَّبة كمحوّل تحرير: تحدد صورة الإدخال بنية الإطار، ويحدد النص كل ما عدا ذلك — مظهر الشخصية والخامات والمحيط والأسلوب. مثال بسيط: تأخذ صورة لشخص في الوضعية المطلوبة، وتمررها عبر DWPose فتحصل على الهيكل.
ما أبرز التفاصيل حول التفاصيل التقنية؟
المحوّلات مبنية بصيغة LoRA: رتبة 64 على الطبقات الخطية ورتبة 16 على الكتل الالتفافية. جرى التدريب مع تفعيل KV-cache. أما الأهم عمليًا فهو أمر آخر: التوافق المعلن مع الأوزان المكمّمة. يعمل UNet بصيغة INT8، ومشفّر النصوص Qwen3.5-9B بصيغة W4A8 GPTQ. وبهذا الإعداد يعمل كل شيء على بطاقات الرسوميات الاستهلاكية بذاكرة 16–24 غيغابايت VRAM. جُهّزت مسارات عمل جاهزة لـ ComfyUI. وهي تستخدم العقدة Text Encode MOSS-Image Edit بوضع ai-toolkit. لن تضطر إلى بناء السلسلة من الصفر: تحمّل مسار العمل، وتضع الأوزان، وتقدّم المرجع.
ما أبرز التفاصيل حول القيود وكيفية التعامل معها؟
لا يتضمن المنشور أي اختبارات أداء ولا مقارنات مع ControlNet لنماذج أخرى. لذلك من المبكر الحكم على جودة التحكم البنيوي واستقراره: ستحتاج إلى التحقق بنفسك من مدى دقة الحفاظ على الوضعية في المشاهد المعقدة، وما إذا كانت الخطوط الخارجية «تنزاح» عند تغيير الأسلوب. إضافة إلى ذلك، لا توجد روابط للأوزان إلا لثلاثة محوّلات من أصل سبعة. أما أين توجد Lineart وNormal وScribble وSegmentation فلا يتضح من المنشور.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.