تحدث أخطاء في الأيدي والوجوه في مقاطع الفيديو التي تُنتجها الذكاء الاصطناعي لأن النموذج يجب أن يحافظ على التناسق بين التشريح والهوية والإضاءة والوضعية والحركة عبر العديد من الإطارات، وليس مجرد رسم صورة واحدة مقنعة. قد تبدو اليد مقبولة في الإطار 20، ثم تعبر الوجه في الإطار 24، وتغير تباعد الأصابع في الإطار 26، وتندمج مع الشعر في الإطار 28. وعندئذٍ يتعين على النموذج إصلاح عدة مناطق غير مؤكدة في آن واحد.
قمنا باختبار موجه قصير من نوع «اللوحة الودية» مقارنةً بموجه «راحة اليد المفتوحة» الأكثر تقييدًا بكثير، وذلك عبر واجهة سطر الأوامر GlobalGPT. أنتجت النسخة المقيدة حركة أكثر هدوءًا ووضعية يد أكثر وضوحًا. لكنها لم تحافظ على هوية الشخص الأصلي أو ملابسه أو الميكروفون أو الغرفة. وتعد هذه النتيجة المختلطة أكثر فائدة من العرض التوضيحي المثالي، لأنها توضح ما يمكن لقيود الأوامر التحكم فيه وما لا يمكنها التحكم فيه.
لماذا تفشل الأيدي عبر الزمن؟
تُعد الأيدي كائنات مفصلية تتألف من العديد من الأجزاء الصغيرة، وتتعرض لحالات حجب ذاتي متكررة وتغيرات سريعة في شكلها الظلي. فاليد التي تلوح تدور، وتتداخل أصابعها، ويؤدي التمويه الحركي إلى تنعيم حوافها، كما تتحرك راحة اليد بالنسبة للوجه. ويجب على المولد أن يستنتج بنية ثلاثية الأبعاد متسقة من كل منظر جديد مع الحفاظ على الإطار السابق.
تتجلى المشاكل في شكل أصابع زائدة، أو أصابع ملتصقة، أو تغير في موضع الأظافر، أو معصمين مرنين، أو يد تتحول من جانب إلى آخر. وعلى نطاق أوسع، تشخيص أعطال الفيديو باستخدام الذكاء الاصطناعي يساعد في التمييز بين الأخطاء التشريحية والأخطاء المتعلقة بالكاميرا والفيزياء والاتساق.
لماذا تتشوه الوجوه حتى عندما يبدو الإطار الواحد جيدًا
الوجه حساس لأدق التغيرات في المسافة بين العينين، وشكل الجفون، وزوايا الفم، وعرض الأنف، وخط الشعر. ويؤدي الكلام والتعبيرات إلى تحريك هذه المعالم باستمرار. فإذا صغر حجم الوجه، أو انحرف عن الأنظار، أو مرّ بظل ما، أو غُطّي جزئيًّا بيد، فإن النموذج يصبح عاجزًا عن التعرف عليه بشكل كافٍ، وقد يعيد تحديد هويته.
ولهذا السبب سير عمل ضمان اتساق مقاطع الفيديو باستخدام الذكاء الاصطناعي تتعامل مع استقرار الشخصية باعتباره مشكلة متسلسلة. إن الإطار الأول القوي يساعد في ذلك، لكن يجب أيضًا أن تحافظ المطالبة والكاميرا والمدة والحركة على إشارة الهوية.
اختبارنا الأساسي واختبارنا المقيد
استخدمت كلتا التجربتين نفس الصورة المصدر ومسار «Grok Imagine» بدقة 1280×720 لمدة خمس ثوانٍ تقريبًا. في الاختبار الأساسي، طُلب من المرأة أن تستدير نحو الكاميرا وتلوح بيدها. أما التوجيه المقيد فقد حدد اليد اليمنى، وطلب فرد الأصابع الخمسة، وإبقاء اليد بجانب الكتف، ومنع حجب الوجه، وقيد حركة الرأس، وتثبيت الكاميرا.
تبلغ تكلفة كل مهمة 500 نقطة. هذه دراسة مقارنة من النوع A/B تتضمن تجربة واحدة لكل موجه، وليست تجربة خاضعة للرقابة الإحصائية. وقد أخذنا عينات من أطر زمنية محددة وقمنا بمشاهدة مقاطع الفيديو بالسرعة العادية.
نتيجة خط الأساس: حركة نشطة، انحراف كبير في الهوية
أنتجت الخط الأساسي إيماءة ترحيبية وحيوية. ظلت اليد المفتوحة واضحة في الإطارات التي تم أخذ عينات منها، لكن الناتج استبدل المضيف الأصلي بامرأة ذات مظهر مختلف في غرفة أخرى وترتدي ملابس مختلفة. وقد تغيرت تركيبة المشهد قبل أن تصبح الإيماءة هي الحدث الرئيسي.
تُظهر هذه النتيجة لماذا لا يكفي أن تكون الواجهة جذابة بصريًّا. فإذا كانت الوظيفة تتطلب وجود مقدم محتوى متكرر، فإن الهوية والبيئة تُعدان معيارين صارمين للقبول. إن بناء شخصية متسقة انطلاقًا من صورة واحدة يتناول هذا المقال القرارات المتعلقة بالصورة المصدر التي يمكن أن تحسّن المرجع الأولي، لكن النتائج التي توصلنا إليها تُظهر أن المصدر وحده لا يضمن الاستمرارية.
نتيجة مقيدة: وضعية أفضل، لكن الهوية لا تزال مفقودة
كان الأداء المقيد أبطأ، حيث بقيت اليد بجانب الرأس واتخذت وضعية أكثر وضوحًا براحة اليد المفتوحة. ولم تمر اليد عبر الوجه. وقد جعلت هذه الاختلافات الإيماءة أسهل في الفحص، كما أنها ستبسط عملية التحرير.
ومع ذلك، فقد طرأت تغييرات جوهرية على الشخص والملابس والميكروفون والغرفة. فقد طلبت التعليمات الحفاظ على التفاصيل بدقة، لكن النموذج لم يحقق ذلك. يمكننا القول إن التشغيل المقيد حسّن وضوح الحركة في هذا الزوج من الصور. لكن لا يمكننا القول إنه صحح التشريح بشكل شامل أو حافظ على الهوية.
كتابة موضوعات حول الرؤية والحركة
تتضمن الإشارة اليدوية المفيدة اسم عضو واحد، وحركة واحدة، ووضعية واحدة، ومدة واحدة. فعبارة “ارفع اليد اليمنى، وأظهر راحة اليد المفتوحة بجانب الكتف، واستمر في هذه الوضعية لمدة ثانية واحدة، ثم أنزلها” هي عبارة قابلة للاختبار. أما عبارة “أشر بشكل طبيعي أثناء التحدث بحماس” فتترك العديد من المفاصل، والسرعات، وحالات إغلاق الفم غير محددة.
لغة الكاميرا مهمة أيضًا. ثبّت الكاميرا، واحرص على بقاء اليد بأكملها داخل الإطار، وتجنب التكبير/التصغير بشكل مفاجئ أثناء الإيماءة. الـ أدوات التحكم في الكاميرا وإشارات الحركة يوفر مجموعة أوسع من الخيارات المتعلقة بالكاميرا والتحكم في الحركة، في حين أن تقنيات الإرشاد بالحركة Veo يضيف تقنيات المطالبة الخاصة بـ Veo.
حماية الوجه قبل تحسين الأداء
احرص على أن يكون الوجه كبيرًا بما يكفي للقراءة. قلل من تحركات الرأس والتعبيرات المبالغ فيها وتقاطع اليدين خلال اللحظات الحاسمة المتعلقة بالشخصية. اطلب رمشات خفيفة وحركات صغيرة للفم قبل الجمع بين الحوار والديكور والكاميرا المتحركة. لا تضف التعقيد إلا بعد نجاح اللقطة الأبسط.
بالنسبة للتسلسلات الطويلة، قسّم المشهد إلى لقطات ذات إطارات بداية ونهاية ثابتة. الـ اتساق الشخصيات في مقاطع الفيديو الطويلة يشرح لماذا تصبح استمرارية الشخصيات أكثر صعوبة مع تراكم المقاطع، وكيف تساعد العناصر الرابطة في ربط المقاطع مع بعضها البعض.
إنشاء إطار مصدر أفضل
استخدم صورة واضحة ومضاءة بشكل متساوٍ تظهر فيها كلتا العينين، مع ظهور ملامح الشعر بوضوح، وأن تكون اليدين إما مرئيتين بالكامل أو خارج نطاق الصورة تمامًا. تجنب أن تقطع حافة الإطار أصابع اليدين، وتجنب استخدام المرشحات التجميلية المكثفة، والتشويش الناتج عن الحركة الشديد، والخلفيات المزخرفة التي تتقاطع مع الجسم.
كما يجب أن يتوافق الإطار المرجعي مع التكوين المرغوب للفيديو. فإذا طلبت من صورة بورتريه مقربة أن تتحول إلى مشهد موجة من الخصر فما فوق، فإن ذلك يجبر العارضة على ابتكار الذراعين واليدين والملابس وتفاصيل المكان دفعة واحدة. لذا، قم بإنشاء الإطار المطلوب أو التقاط صورة له قبل البدء في العمل على الرسوم المتحركة.
معالجة الأخطاء بدلاً من إعادة كتابة كل شيء
- إذا تلامست الأصابع، فقم بإبطاء الحركة وافصل اليد عن الوجه أو الجسم.
- في حالة حدوث انحراف في الهوية، قم بتقليل دوران الرأس ونطاق التعبيرات ومدة المقطع.
- إذا انحنى المعصم بشكل غريب، فقم بتبسيط مسار اليد وتجنب التفاعل مع الدعامة.
- في حالة تغير الخلفية، قم بتثبيت الكاميرا ووصف نقاط الربط الثابتة للمشهد.
- في حالة ظهور عدة أعطال في آن واحد، يرجى الرجوع إلى إطار مصدر أكثر دقة.
الأخطاء الشائعة في مقاطع الفيديو المتعلقة بالذكاء الاصطناعي تسرد الأخطاء الشائعة في التخطيط التي غالبًا ما تؤدي إلى هذه الإخفاقات المتتالية.
الموجهات القابلة للنسخ والموجهات المقيدة
قم بتشغيل خط الأساس القصير أولاً حتى تتمكن من معرفة ما يختاره النموذج دون مساعدة. ثم قم بتغيير قيود الحركة فقط. واحتفظ بالنموذج والمصدر والمدة ونسبة العرض إلى الارتفاع. وهذا يجعل تفسير المقارنة أسهل، على الرغم من أن عينتين منفردتين لا يمكنهما إثبات وجود علاقة سببية.
شاهد اللقطات واحدة تلو الأخرى، ثم بالسرعة العادية
يكشف التشغيل بالسرعة العادية ما إذا كانت الحركة تبدو طبيعية. أما تقنية «تخطي الإطارات» (frame stepping) فتكشف متى تبدأ التفاصيل التشريحية أو السمات المميزة في الانحراف. تحقق من البداية، وذروة الإيماءة، ونقطة الحجب، ووضعية العودة. انظر إلى كلتا اليدين، وليس فقط اليد التي تلوح، وقارن شكل العين وزوايا الفم مع المصدر.
سجل أول إطار سيئ. فهذا يساعدك على تحديد ما إذا كان عليك تغيير المصدر، أو تقصير المقطع، أو تقييد انتقال معين. فمن الصعب تحويل ملاحظة غامضة مثل “يبدو غريبًا” إلى توجيهات أكثر فائدة.
التعامل مع الانسداد باعتباره أحد مخاطر الإنتاج
يحدث الانسداد عندما يحجب جسم ما جسمًا آخر: مثل مرور الأصابع أمام الوجه، أو تغطية الشعر لإحدى العينين، أو إخفاء أحد الأطراف بواسطة إحدى المقتنيات، أو انحراف الجسم بعيدًا عن الكاميرا. ولا يزال يتعين استنتاج الشكل المخفي، وقد يعيد النموذج عرضه بشكل مختلف. وتزيد الحركة السريعة من صعوبة هذا الاستنتاج لأن الإطارات المتجاورة توفر أدلة أقل استقرارًا.
صمم المشهد بحيث تظل الأجزاء التشريحية المهمة مرئية. ضع اليد بجانب الوجه بدلاً من أمامها. أبقِ المقتنيات بعيدًا عن مفاصل الأصابع. إذا كان التلامس ضروريًا، فقسّم المشهد إلى لقطات «الاقتراب» و«التلامس» و«الانفصال»، ثم قم بمونتاجها معًا. فهذا يقلل من عدد الانتقالات الحادة التي يتعين على برنامج التوليد معالجتها.
كرر الاختبار قبل استخلاص استنتاج نموذجي
يُعد المقطعان اللذان لدينا ملاحظات مفيدة، لكن «البذرة» الواحدة قد تُحسّن أو تُضعف أداء الموجه. لاختيار النموذج المناسب فعليًّا، كرر كل موجه عدة مرات باستخدام نفس المصدر والإعدادات. قم بتقييم سهولة القراءة اليدوية، والهوية، والخلفية، والكاميرا، وإكمال الحركة بشكل منفصل. واحتفظ بالمخرجات المرفوضة في السجل.
يمكن أن يكشف إجراء الاختبار مرارًا وتكرارًا ما إذا كانت التوجيهات المقيدة تزيد من احتمالية الحصول على وضعية قابلة للاستخدام أم أنها لم تسفر سوى عن عينة واحدة محظوظة. كما يمكن أن يظهر ذلك وجود مفاضلة: فقد يؤدي التحكم الأقوى في الحركة إلى تقليل التعبير أو إلى أداء أكثر جمودًا. اختر التوازن الذي يتناسب مع المشهد بدلاً من السعي وراء لقطة واحدة مثالية.
اعرف متى يجب عليك التعديل ومتى يجب عليك إعادة الإنشاء
قم بالتحرير لتجاوز عيب بسيط عندما تكون الهوية والحركة والكاميرا قوية في الجوانب الأخرى. يمكن لمشهد جانبي قصير أن يخفي انهيارًا في الإصبع يستمر لإطارين؛ كما يمكن للتشذيب الأكثر دقة أن يزيل وضعية عودة سيئة. أعد إنتاج المشهد عندما يتغير الوجه بشكل كامل، أو عندما تؤدي اليد الخاطئة الحركة، أو عندما تتغير الخلفية، أو عندما تكون التفاصيل التشريحية غير دقيقة عبر العديد من الإطارات.
لا تقضي ساعة كاملة في إصلاح مقطع يتعارض مع الملخص الأساسي. وبالمقابل، لا تستبعد أداءً ممتازًا بسبب مشكلة بسيطة يمكن إخفاؤها من خلال عملية تحرير عادية. يجب أن تميز قائمة التحقق الخاصة بالقبول بين الأخطاء الجسيمة والعيوب التي يمكن تصحيحها قبل بدء المراجعة.
استخدم قائمة مراجعة لقبول حركات الإنسان
في كل لقطة، قم بتقييم خمسة مجالات بشكل مستقل: الهوية، والتشريح، والحركة، والكاميرا، والمشهد. تشمل الهوية نسب الوجه، والشعر، والملابس. ويشمل التشريح الأصابع، والمعصمين، والمرفقين، والأسنان، وحركة العينين. أما الحركة فتتأكد من أن الحركة المطلوبة تبدأ وتصل إلى ذروتها وتنتهي بشكل صحيح. وتشمل الكاميرا الإطار والحركة غير المرغوب فيها. ويشمل المشهد استمرارية الأغراض المسرحية، والخلفية، والإضاءة.
ضع علامة على كل مشهد، إما «مقبول» أو «قابل للإصلاح» أو «مرفوض». قد تتضمن النتيجة «القابلة للإصلاح» إطارًا خاطئًا قصيرًا يمكن قصه دون تغيير المعنى. أما النتيجة «المرفوضة» فتتضمن انحرافًا مستمرًا في الهوية، أو تكرارًا لانهيار اليد، أو حركة مفقودة. يمنع هذا التصنيف مرور مقطع جذاب بصريًّا مع وجود خطأ فادح في التسلسل.
قم بمراجعة الصوت بشكل منفصل حتى عندما يركز المقال على الوجوه واليدين. فقد يؤدي وجود أصوات غير متوقعة أو تشوهات في الصوت أو فقدان مسار صوتي إلى جعل لقطة مقبولة بصريًّا غير صالحة للاستخدام. واللقطة النهائية التي يتم الاحتفاظ بها هي الملف الذي يستوفي جميع مواصفات التسليم، وليس الإطار الثابت الذي يبدو الأفضل في ورقة العرض.
الحكم العملي
أنتجت تعليماتنا المقيدة إيماءة يدوية أكثر هدوءًا وسهولة في القراءة مقارنةً بالنموذج الأساسي، لكن كلا الناتجين شهدا تغييرًا جذريًّا في الهوية. وقد أدى هندسة التعليمات إلى تحسين بُعد واحد دون حل مشكلة الاستمرارية برمتها.
تتضمن الطريقة الجاهزة للتصوير الإنتاجي مزيجًا من مصدر مصوَّر بشكل جيد، وحركة واحدة خاضعة للرقابة، وكاميرا ثابتة، وعينات متكررة، وقائمة مراجعة مكتوبة للقبول. وعندما يتعين على الشخص المصوَّر التحدث أو التعامل مع إحدى الأدوات المسرحية، يجب إثبات هذه السلوكيات في لقطات قصيرة منفصلة قبل دمجها معًا. ويجب أن يتم الوصول إلى درجة التعقيد من خلال اختبارات ناجحة.
لا تحكم على الحركات بناءً على الإطار الأخير وحده. راقب المسار الكامل للحركة من بدايتها حتى نهايتها، ثم قارن الوجه بالمرجع. فالكف المستقيم لا يمكن أن يعوض عن كون الشخص مختلفًا، والوجه الثابت لا يمكن أن يعوض عن المعصم الذي ينهار أثناء الحركة.
قارن مسارات الفيديو في GlobalGPT عندما تفشل إحدى اللقطات، قم بتغيير متغير واحد في كل مرة واحتفظ بالمصدر والإعدادات وسبب الرفض. إن تحسين شكل الأيدي والوجوه يتحقق من خلال تقليل عدم اليقين عبر التسلسل بأكمله، وليس من خلال إضافة “تشريح مثالي” إلى موجه مكتظ بالمعلومات.
بالنسبة للاختبار التالي، كرر كلا التوجيهين عدة مرات باستخدام نفس المصدر، وقم بتقييم الهوية والتشريح والحركة والكاميرا والمشهد كل على حدة. ستُظهر تلك العينة الصغيرة ما إذا كان التوجيه المقيد يحسّن معدل النجاح أم أنه أدى فقط إلى نتيجة واحدة محظوظة. اجعل الحركة قصيرة وواضحة حتى تستقر الإيماءة الأساسية. ثم أضف الكلام أو المقتنيات أو حركة الكاميرا واحدًا تلو الآخر، مع الاحتفاظ بنسخة نظيفة من كل مرحلة اجتازت المراجعة.
الأسئلة المتداولة
لماذا تحتوي أيدي شخصيات الفيديو التي تعمل بالذكاء الاصطناعي على أصابع إضافية؟
تؤدي السرعة في الحركة، والتداخل الذاتي، والضبابية الناتجة عن الحركة، وتغير زوايا الرؤية إلى عدم وضوح بنية الأصابع عبر الإطارات. وقد يعيد النموذج رسم اليد بشكل مختلف أثناء حركتها.
لماذا يتغير شكل الوجه أثناء عرض مقطع فيديو يعتمد على الذكاء الاصطناعي؟
تؤدي صغر حجم الوجوه، وحركات الرأس، والتعبيرات، والظلال، وحالات الحجب إلى إضعاف دلالات الهوية. ثم يقوم المولد بإعادة بناء معالم الوجه بدلاً من الحفاظ عليها بالضبط.
هل يمكن لموجه أفضل أن يحسّن أداء الذكاء الاصطناعي؟
يمكن أن تقلل المطالبة المقيدة من الحركة والتداخل، مما أدى إلى تحسين قابلية القراءة في الاختبار الوحيد الذي أجريناه. إلا أنها لا تضمن دقة التشريح في كل نموذج أو كل عملية تشغيل.
هل تضمن الصورة المرجعية اتساق الهوية؟
لا. إن وجود مصدر قوي يساعد، لكن نموذج الفيديو قد يغير مع ذلك الشخص أو الملابس أو الغرفة أو تركيبة الكاميرا أثناء الحركة.
ما هي حركة الكاميرا الأكثر أمانًا عند تصوير الوجوه واليدين؟
تعد الكاميرا الثابتة مع تركيب متوسط أو من الخصر فما فوق هي نقطة البداية الأكثر أمانًا. ولا تضف حركات الكاميرا الجانبية أو التكبير/التصغير أو الدوران إلا بعد انتهاء الإيماءة البسيطة.
هل يمكنني تغيير النموذج عندما تفشل اللقطة مرارًا وتكرارًا؟
نعم. يتيح لك GlobalGPT مقارنة مسارات الفيديو المتاحة. حافظ على ثبات معايير المصدر والقبول حتى تتمكن من تقييم ما إذا كان تغيير النموذج مفيدًا بالفعل.
