بقلم: نور | محررة الأبحاث والدراسات · صوت تحريري بإشراف بشري
المشكلة واضحة ومكلفة: نماذج الذكاء الاصطناعي تولد مشاهد داخلية ثلاثية الأبعاد، لكن تقييم جودتها يعتمد على نماذج رؤية تحكم على الصور المرسومة – وهذا يجعل النتائج متقلبة بتغيير زاوية الكاميرا أو طريقة الرسم أو حتى صيغة السؤال. النتيجة: لا نعرف إن كان المشهد منطقياً مكانياً أم أن المشكلة في طريقة التقييم نفسها.
فريق بحثي بقيادة كاثاكولي سينغوبتا يقدم حلاً جذرياً عبر SceneCritic – نظام تقييم رمزي يتجاهل الصور المرسومة كلياً ويحلل البنية المكانية مباشرة من البيانات الخام. الفكرة الأساسية: بدلاً من سؤال نموذج رؤية “هل هذه الصورة تبدو منطقية؟”، نسأل نظاماً رمزياً “هل هذا التخطيط يحترم القوانين الفيزيائية والمنطقية؟”
- بناء SceneOnto كقاعدة معرفة مكانية: الباحثون يدمجون معرفة من ثلاث مجموعات بيانات ضخمة (3D-FRONT، ScanNet، Visual Genome) لإنشاء أنطولوجيا تحتوي على آلاف القواعد المكانية والدلالية للمشاهد الداخلية
- فحص التماسك الدلالي للعلاقات: النظام يتحقق من منطقية وضع الكائنات – طاولة قهوة قرب الأريكة منطقية، داخل الحمام ليست كذلك
- التحقق من الهندسة والمسافات: تحليل دقيق للمسافات النسبية، الأحجام، والمواقع بين الكائنات للتأكد من قابلية التطبيق الفيزيائي
- تقييم اتجاهات الكائنات: ضمان أن اتجاه كل كائن منطقي – التلفزيون يواجه منطقة الجلوس، ليس الجدار
- تشخيص الانتهاكات بدقة: بدلاً من نقاط إجمالية غامضة، النظام يحدد بالضبط أي قاعدة انتُهكت وأين
- مقارنة أساليب التحسين المتنوعة: الدراسة تختبر ثلاث طرق للنقد والتحسين: نقد قائم على القواعد مع قيود التصادم، نقد نموذج لغة على النص، ونقد نموذج رؤية على الصور المرسومة
النتائج تكسر توقعات المجال. SceneCritic يحقق توافقاً أفضل بكثير مع الأحكام البشرية مقارنة بمقيّمات نماذج الرؤية-اللغة – وهذا يشير إلى أن التقييم الرمزي يتفوق على التقييم البصري للتخطيطات المعقدة. المفاجأة الأكبر: نماذج اللغة النصية فقط تحقق أداءً أفضل من نماذج الرؤية-اللغة في جودة التخطيط الدلالي.
لكن التحسين يحكي قصة مختلفة. التحسين القائم على الصور عبر نماذج الرؤية-اللغة كان الأكثر فعالية للتصحيح الدلالي والاتجاهي. هذا يوحي بنهج هجين: استخدام SceneCritic للتشخيص الدقيق، ثم نماذج الرؤية للتصحيح التكراري.
القيود واضحة ومعقولة. SceneCritic يركز على المخططات الأرضية ولا يتعامل مع التعقيدات الرأسية كالرفوف متعددة المستويات أو تداخل الكائنات المعقد. بناء الأنطولوجيا المكانية عملية مكثفة تحتاج تحديث مستمر لمواكبة اتجاهات التصميم الداخلي. كما أن النظام محدود بجودة وشمولية مجموعات البيانات المستخدمة في بناء SceneOnto.
السؤال المهم: هل يمكن تطبيق هذا المبدأ على مجالات أخرى؟ توليد الكود، تصميم واجهات المستخدم، حتى توليد الموسيقى – كلها مجالات تعاني من نفس مشكلة التقييم المتقلب. SceneCritic يثبت أن التقييم الرمزي ليس مجرد بديل، بل قد يكون طريقاً أفضل لقياس جودة المحتوى المولد.
