تبدأ 23 نوفمبرالدفعة المباشرة 3 من Vibe Coding ووكلاء الذكاء الاصطناعي: 3 أسابيع و9 جلسات حيةالدفعة 3 (23.11) →
إصدارتحليل · على الرادارHabr AI→ المصدر

KandiShop يرفع تشابه الوجوه المولّدة بالذكاء الاصطناعي مع الأصل من 52% إلى 75% دون إعادة تدريب

تضع الشبكة العصبية الشخص الظاهر في الصورة داخل مشهد جديد، لكن وجهه يبدو «شبيهًا تقريبًا» فقط، وتتحول الكتابة على العلبة إلى خليط من حروف زائفة. يعالج KandiShop من AIRI اللقطة الجاهزة دون إعادة تدريب: يعيد رسم الوجه أو الملصق اعتمادًا على صورة مرجعية ولا يلمس بقية الصورة. ارتفع تشابه الوجوه في FLUX.2 klein 9B وفق ArcFace من 52% إلى 75%، وارتفعت دقة قراءة النص من 76% إلى 84%. إنها خطوة معالجة لاحقة جاهزة تصلح لأي نموذج.

معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
KandiShop يرفع تشابه الوجوه المولّدة بالذكاء الاصطناعي مع الأصل من 52% إلى 75% دون إعادة تدريب
المصدر: Habr AI. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليHabr AI ↗
رئيس التحرير
وجوه Nano Banana Pro بعد المعالجةارتفع التشابه من 57% إلى 76%
حقيقة رئيسية #2الكود المفتوح متاح لـ FLUX.2 klein 9B، وأوزان النموذج لا تتغير
حقيقة رئيسية #3رأت سبعة قضاة من نماذج VLM أن استبدال الرأس أكثر طبيعية في 76% من الحالات

تحمّل إلى المولّد صورة شخص وتطلب وضعه في غابة مثلجة، فتحصل على لقطة جميلة، لكن أصدقاءك يقولون: «يشبهك، لكنه ليس أنت». والمشكلة نفسها تصيب المنتجات: الشعار وألوان العلبة في مكانها، أما الكتابة الصغيرة على الملصق فتتحول إلى مجموعة من الخربشات. اقترح فريق AIRI طريقة KandiShop التي تعالج هذا تحديدًا بعد التوليد ودون إعادة تدريب النموذج. المقياس الرئيسي هو ArcFace، وهي شبكة عصبية للتعرف على الوجوه تقيّم التشابه بين صورتين (100% تعني الشخص نفسه). في FLUX.2 klein 9B ارتفع هذا المقياس من 52% إلى 75%. وبالنسبة لمطوّري الجلسات التصويرية والإعلانات والمتاجر الإلكترونية، تجعل هذه الطريقة النتيجة قابلة للتعرف والقراءة دون تغيير المولّد الأساسي.

النموذج يتقن النسخ، لكن الإبداع يعيقه

تأخذ نماذج in-context الحديثة (FLUX.2 وQwen-Image-Edit وHunyuanImage 3، إضافة إلى النموذجين التجاريين Nano Banana وGPT Image) صورة وطلبًا نصيًا وترسم النتيجة مباشرة. في السابق كان النموذج يُدرَّب لهذا الغرض على عشر صور تقريبًا للشخص (DreamBooth وLoRA)، أو يُربط بمُرمِّز وجوه منفصل. أما الآن فتكفي صورة واحدة، لكن الدقة تتأثر: يبقى لون الشعر وشكل الوجه البيضاوي، بينما تضيع ملامح العينين والأنف والتباين الطفيف في تناظر الوجه.

السبب أن النموذج يؤدي في تمريرة واحدة مهمتين تشدّان في اتجاهين مختلفين: ابتكار الوضعية والإضاءة والتكوين، ونقل كل ملمح من ملامح الوجه وكل حرف. وحين يضطر إلى الاختيار، يضحّي بالمهمة الثانية. وتحقق المؤلفون من أن المشكلة ليست نقص «الذاكرة»: عند طلب «اصنع نسخة مطابقة» بلغ تشابه الوجوه وفق ArcFace ما بين 96.5% و97.1%، وقُرئ النص على العبوات بدقة (OCR F1) وصلت إلى 92%. لكن في مشهد جديد يضم عدة أشخاص ينخفض التشابه إلى ما بين 24% و60%. والاستنتاج أن المهمتين يجب فصلهما.

كيف يعمل KandiShop

تعمل الطريقة بعد التوليد. المدخلات صورة جاهزة وصورة مرجعية، والمخرجات الصورة نفسها بعد تصحيح الوجه أو الملصق. لا يُعدَّل شيء في أوزان النموذج، وإنما يُغيَّر فقط المسار الذي يحوّل به الضجيج إلى صورة.

أولًا يُقتطع جزء كبير حول الوجه أو المنتج، لأن الوجه في الصورة الكاملة لا يشغل سوى 5–10% من الرموز (tokens)، فيطغى عليه الخلفية ويغطي على التصحيح. بعدها تُحاذى الصورة المرجعية مع هذا الجزء: في الوجوه بالاعتماد على خمس نقاط مفتاحية (العينان والأنف وزاويتا الفم)، وفي المنتجات عبر كاشف Grounding DINO وتقسيم SAM ومطابقة النقاط SIFT. ثم يُضاف الضجيج إلى الجزء المقتطع عبر مسارين داخل محوّل (transformer) واحد. يرى المسار الأول المقطع الأصلي ويحافظ على الوضعية والخلفية والإضاءة. ويرى الثاني المرجع المحاذى و«يعرف» شكل الوجه أو الحروف. وبعد كل كتلة يُدمج المساران وفق قناع الكائن، ولهذا تضبط الكتل اللاحقة الوجه بما يلائم المشهد.

ولكي لا ينتقل الوجه بإضاءة الصورة المرجعية (مثل إضاءة منزلية دافئة في ضباب بارد)، يُضبط داخل القناع لون ملامحه وتباينها بحسب المشهد، وهي تقنية AdaIN. أما في المنتجات فتُعطَّل هذه التقنية لأنها تطمس النص الصغير. والمعامل الرئيسي هو denoise، أي نسبة مسار إزالة الضجيج التي تُعاد من جديد: من 0.5 إلى 0.75 لمعظم الحالات، و1.0 للاستبدال الكامل للرأس أو المنتج. وبعد ذلك يُلصق الجزء المعالج في مكانه، وتبقى بقية الصورة كما هي بكسلًا ببكسل.

ماذا أظهرت القياسات

على 100 وجه من FFHQ في مشاهد تضم عدة أشخاص، ارتفع التشابه في FLUX.2 klein 9B من 52% إلى 75%. وكان الارتفاع أوضح في Qwen-Image-Edit، من 24% إلى 66%، وفي HunyuanImage 3.0 من 49% إلى 84%. وللمقارنة، يحقق Nano Banana Pro نسبة 57%، وGPT Image 2 High نسبة 86%. أما تقييم الجودة العامة للصورة (HPSv3) فلا يتغير تقريبًا، أي أن اللقطة لا تتضرر.

وفي اختبار المنتجات استُخدمت 32 عبوة في 320 مشهدًا. في FLUX.2 klein 9B ارتفعت دقة قراءة النص من 76% إلى 84%، وانخفضت نسبة الأحرف الخاطئة (CER) من 65% إلى 51%. وهذه النتيجة أفضل من GPT Image 2 High (82%) وNano Banana Pro (78%).

والطريقة غير مرتبطة بمولّدها الخاص. فقد مُرّرت صور Nano Banana Pro عبر KandiShop على FLUX.2 klein 9B، فارتفع تشابه الوجوه من 57% إلى 76%، ودقة النص من 78% إلى 83%. وفي مقارنة عمياء، رأى سبعة قضاة من نماذج VLM أن استبدال الرأس أو المنتج عبر KandiShop أكثر طبيعية في 76% من الحالات مقابل الاستبدال «الأصلي» (native).

تحفظات واستنتاج عملي

ربما كانت وجوه FFHQ ضمن بيانات تدريب النماذج، ولذلك قد تختلف الأرقام عند تطبيقها على أشخاص جدد. وتتطلب الطريقة كواشف إضافية وتمريرة ثانية على كل جزء، وإذا ساءت محاذاة المقطع المقتطع والمرجع تضرّرت النتيجة. ولا يتوفر في الكود المفتوح حتى الآن سوى نسخة FLUX.2 klein 9B.

الاستنتاج العملي: بدلًا من إعادة تدريب LoRA لكل مستخدم، يمكن إضافة خطوة معالجة لاحقة تصلح الوجوه والملصقات بعد أي نموذج، بما في ذلك واجهات API التجارية.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول النموذج يتقن النسخ، لكن الإبداع يعيقه؟

تأخذ نماذج in-context الحديثة (FLUX.2 وQwen-Image-Edit وHunyuanImage 3، إضافة إلى النموذجين التجاريين Nano Banana وGPT Image) صورة وطلبًا نصيًا وترسم النتيجة مباشرة. في السابق كان النموذج يُدرَّب لهذا الغرض على عشر صور تقريبًا للشخص (DreamBooth وLoRA)، أو يُربط بمُرمِّز وجوه منفصل. أما الآن فتكفي صورة واحدة، لكن الدقة تتأثر: يبقى لون الشعر وشكل الوجه البيضاوي، بينما تضيع ملامح العينين والأنف والتباين الطفيف في تناظر الوجه.

ما أبرز التفاصيل حول كيف يعمل KandiShop؟

تعمل الطريقة بعد التوليد. المدخلات صورة جاهزة وصورة مرجعية، والمخرجات الصورة نفسها بعد تصحيح الوجه أو الملصق. لا يُعدَّل شيء في أوزان النموذج، وإنما يُغيَّر فقط المسار الذي يحوّل به الضجيج إلى صورة. أولًا يُقتطع جزء كبير حول الوجه أو المنتج، لأن الوجه في الصورة الكاملة لا يشغل سوى 5–10% من الرموز (tokens)، فيطغى عليه الخلفية ويغطي على التصحيح.

ما أبرز التفاصيل حول ماذا أظهرت القياسات؟

على 100 وجه من FFHQ في مشاهد تضم عدة أشخاص، ارتفع التشابه في FLUX.2 klein 9B من 52% إلى 75%. وكان الارتفاع أوضح في Qwen-Image-Edit، من 24% إلى 66%، وفي HunyuanImage 3.0 من 49% إلى 84%. وللمقارنة، يحقق Nano Banana Pro نسبة 57%، وGPT Image 2 High نسبة 86%. أما تقييم الجودة العامة للصورة (HPSv3) فلا يتغير تقريبًا، أي أن اللقطة لا تتضرر. وفي اختبار المنتجات استُخدمت 32 عبوة في 320 مشهدًا. في FLUX.2 klein 9B ارتفعت دقة قراءة النص من 76% إلى 84%، وانخفضت نسبة الأحرف الخاطئة (CER) من 65% إلى 51%.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…