من الداخل: لماذا تفشل نماذج الذكاء الاصطناعي العامة في تلوين المانجا

المعقول ليس هو الصحيح

أي نموذج صور عام يستطيع تلوين صفحة مانجا. الصق صفحة في أي منها وستحصل على نتيجة في أقل من دقيقة تبدو للوهلة الأولى جيدة. تبدأ المشكلة في الصفحة الثانية، حين تعود الشخصية نفسها بشعر مختلف. ثم تعود فقاعة حوار وقد أعيد رسم نصها بصورة طفيفة. ثم يعود فاصل أسود خالص وقد امتلأ برسم مختلق.

لا شيء من هذا يعني أن النموذج سيئ في الرسم. إنه يفعل بالضبط ما دُرّب عليه: إنتاج صورة معقولة. لكن صفحة المانجا ليست صورة واحدة. إنها سلسلة لوحات تتشارك طاقم الشخصيات، ومطبوع عليها نص حقيقي، ويفصلها سواد بنيوي، وتنتمي إلى فصل يجب أن يطابق الفصل السابق. المعقولية لكل صفحة على حدة هدف خاطئ، ولا قدر من هندسة التوجيهات يغيّر الهدف.

بُني Watashi Colorizer حول هذا الفرق تحديدا. في ما يلي ستة قرارات هندسية تنبع منه. ليست غريبة، لكن كل واحد منها موجود لأننا رأينا شيئا ينهار من دونه.

أبيض وأسود

ملوّن

1. أوزان مختارة بالاختبار المقارن لا بالبيان الصحفي

معظم أدوات التلوين مجرد غلاف رقيق: صورة المستخدم تذهب إلى واجهة برمجية عامة، وتعود ملوّنة. هذا يجعل الغلاف بجودة ما أطلقه مزوّد الواجهة هذا الربع فحسب، ويعني أن الأداة ترث كل نقاط عمى ذلك المزوّد، بما فيها المحتوى الذي يرفض التعامل معه.

نحن نشغّل أوزاننا الخاصة على وحدات معالجة رسومية خاصة بنا، ونختارها بالاختبار لا بالسمعة. النماذج المرشحة تواجه نموذج الإنتاج وجها لوجه على الصفحات الحقيقية نفسها، مع إنسان يقارن المخرجات جنبا إلى جنب. معظم المرشحين يخسرون. من يفوز يفوز بالدليل، وتُدوَّن الإخفاقات كي لا يُستكشف الطريق المسدود نفسه مرتين.

المحرك الحالي أوزان مضبوطة بدقة ومتخصصة في التلوين لا نموذجا عاما جاهزا، وهذا هو السبب الأكبر في أن تُقرأ البشرة كبشرة وأن تُستكمل الخلفيات بدل أن تُترك رمادية.

2. تعليمات مُتحقَّق منها جملة جملة

التعليمات التي نرسلها مع كل صفحة لم تُكتب دفعة واحدة. جُمّعت باختبار كل جملة على حدة والاحتفاظ فقط بما غيّر المخرجات بصورة قابلة للقياس.

هذا الانضباط مهم لأن كتابة التوجيهات مليئة بحدوس تتضح أنها معكوسة. أوضح مثال من عملنا: سطر يعدّد ألوانا يجب ألا تظهر بها البشرة أنتج صفحة خرجت فيها البشرة بتلك الألوان بالضبط. تسمية ما لا تريده يجعله أكثر احتمالا لا أقل، وكان الحل أن نصف فقط شكل النتيجة الصحيحة. ما كنا لنكتشف ذلك بالتفكير، بل اكتشفناه باختبار جملة واحدة والنظر إلى النتيجة.

لذلك فالمجموعة المستخدمة قصيرة وكل جزء فيها استحق مكانه: الالتزام بدرجة لون بشرة، واستكمال كل خلفية، وإبقاء التشريح على الشكل المرسوم، والحفاظ على الخطوط والنص بدقة. احذف أيا منها يعد خلل بعينه.

3. إعطاء النموذج قدرا أكبر من الصفحة

تعمل نماذج الصور بمقاس داخلي ثابت. أرسل مسحا كبيرا فيُصغَّر قبل أن يراه النموذج أصلا، وكل ما هو صغير في تلك الصفحة، الوجوه في لقطة واسعة، ونص لافتة في الخلفية، والتظليل الدقيق، يصل كبقعة ملطخة. عندها يلوّن النموذج البقعة، لأن هذا كل ما أُعطي.

تعلّمنا هذا بالطريقة الصعبة ونحن نطارد خللا في التلوين لم يستجب لأي قدر من العمل على التوجيهات. المنطقة نفسها، مقصوصة ومرسلة وحدها، كانت تعود صحيحة في كل مرة. كان النموذج يعرف الإجابة دائما؛ لكنه لم يستطع قط رؤية السؤال.

لذلك تُستقبل الصفحات بأكبر مقاس يستطيع المحرك الاستفادة منه فعليا بدل قيمة افتراضية مريحة، وتُعاد المخرجات بالأبعاد نفسها تماما للملف الذي رفعته.

أبيض وأسود

ملوّن

4. قراءة الصفحة كلوحات لا كمستطيل

لصفحة المانجا بنية لا سبب يدعو نموذجا عاما للاهتمام بها: حدود اللوحات، والفواصل البينية، والفواصل السوداء الخالصة التي يجب أن تبقى سوداء خالصة. لوّن المستطيل فتُعامَل هذه البنية كملمس، وهكذا ينتهي بك الأمر إلى فاصل ممتلئ بمنظر مختلق.

خط معالجتنا يكتشف حدود اللوحات وأشرطة الرسم قبل تلوين أي شيء، ولا يقسّم إلا عند الحدود الحقيقية. القطع في منتصف لوحة أسوأ من عدم القطع، لأن النصفين يُلوَّنان باستقلال ولا يتطابقان أبدا، لذا يرفض المقسّم بدل أن يخمّن.

• تقسيم واعٍ باللوحات ليحظى كل جزء بكامل انتباه النموذج
• الحفاظ على الفواصل ومستويات السواد ليبقى السواد البنيوي بنيويا
• تثبيت لوحة الألوان لتحتفظ الشخصيات المتكررة بالشعر والعينين والملابس نفسها
• الحفاظ على النص والخطوط لينجو الحوار من عملية التلوين

وبدمج ذلك مع تثبيت لوحة الألوان، حيث تُثبَّت ألوان الشخصية بدل إعادة تخمينها، يبقى الطاقم على حاله عبر الصفحة وعبر الفصل بدل أن ينزاح درجة لونية كل صفحة.

5. وضع مخصص لصفحات لا يعالجها أحد غيرنا

تضع الرقابة المطبوعة اليابانية شريطا حادا بالأبيض والأسود فوق الجسد. بالنسبة لنموذج تلوين هذا غامض فعلا: لا توجد تحت الشريط معلومات بشرة يُبنى عليها، فيختلق شيئا، ويختلق شيئا مختلفا في كل محاولة. في اختباراتنا أنتجت الصفحة نفسها بنيا ورماديا وبرتقاليا ووردية عبر أربع تشغيلات للنموذج نفسه.

هذا الإخفاق لا يُحل بأخذ العينات، إذ لا يمكنك الوصول بالمتوسط إلى معلومة غير موجودة في المدخلات. يحتاج الأمر إلى إخبار النموذج صراحة بماهية الشريط وبما تحته. لذلك فمعالجة الرقابة وضع مخصص تفعّله للصفحات التي تحتاجه.

وهو اختياري لسبب يستحق أن يقال بوضوح: وصف أشرطة الرقابة لنموذج لا ينظر إلى أي شريط يدفعه إلى إضافة واحد. التعليمة قوية، ولهذا بالضبط تقتصر على الصفحات التي تنطبق عليها بدل أن تعمل على كل شيء.

6. معاملة زمن الانتظار كجزء من المنتج

استضافة وحدات معالجة رسومية خاصة بك تعني أن تدفع ثمنها، ما يعني أنها تنام عند الخمول، ما يعني أن أول طلب بعد فترة هدوء ينتظر استيقاظ العتاد. هذه كلفة حقيقية لكونك لست مجرد غلاف، والتظاهر بغير ذلك هو الطريق إلى فقدان الناس في منتصف المهمة.

لذلك يبدأ المحرك بالإحماء لحظة اختيارك النموذج، قبل أن تنتهي من اختيار الملفات، ما يلغي الانتظار تماما في معظم المهام. وحين يكون الانتظار حتميا، تقول شاشة التقدم ذلك بلغة واضحة بدل عرض عدّ تنازلي لا تستطيع الوفاء به.

المؤقّت الذي ينتهي ثم يبدأ من جديد أسوأ من غياب المؤقّت أصلا: فهو يحوّل مهمة بطيئة إلى ما يبدو كذبة. إن تجاوزنا التقدير توقفنا عن التقدير وانتقلنا إلى زمن منقضٍ صادق مع شرح، ويمكنك تفعيل إشعار حتى يكون مغادرة التبويب آمنة.

لا شيء من هذا سحر

كل بند أعلاه غير براق. اختبر المرشحين بدل تصديق التسويق. تحقّق من التعليمات واحدة تلو الأخرى. أعطِ النموذج بكسلات كافية. احترم بنية الصفحة. ابنِ وضعا للحالة الصعبة. كن صادقا بشأن الانتظار.

ما يصنع الفارق ليس تقنية بعينها، بل أن تُعامَل صفحة المانجا كصفحة مانجا من الاستقبال حتى التصدير. هذه هي كل المسافة بين شيء معقول وشيء صالح للنشر.

الأداة مجانية للتجربة، وأسرع طريقة لتقييم كل ذلك هي تمرير صفحة تعرفها جيدا ومعرفة إن كانت ستعود كما رسمتها.