إحضار الصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي إلى الضوء مع HDR

قد تكون الصور والفيديوهات التي تم إنشاؤها بواسطة الذكاء الاصطناعي ممتعة، ولكنها ليست بمعايير الاحترافية – وهو مشكلة تحاول مشروع بحثي جديد معالجتها.

في المجتمع المهني للصوت والمرئي، واحدة من أكثر الاعتراضات الشائعة على انتشار الذكاء الاصطناعي هي نقص المعايير الاحترافية الحالية لاستعادة الصور والفيديو. وليس أقل هذه المعايير هو القدرة على العمل مع صور وفیديوهات HDR.

الصور HDR هي المعادل الحديث لتقنية التصوير الفوتوغرافي في القرن التاسع عشر والعشرين تسمى التصوير المتسلسل، حيث يتم التقاط نفس الصورة عدة مرات مع زيادة كمية الضوء التي تصل إلى الغشاء الفوتوغرافي:

في الأعلى، تسلسل قصير من الصور المتسلسلة. في الأسفل، النطاق الديناميكي العالي الذي يمكن استخلاصه من هذه الصور في صورة واحدة. مصدر

في التصوير الفوتوغرافي التقليدى، كان هذا يؤدى إلى عدة صور يمكن دمجها، مع بعض الخبرة والجهد، في صورة واحدة تتمتع بالتفاصيل المختلفة المتاحة عبر مدى التعرضات. ولكن لم يكن هذا عملية سهلة أو تافها.

في هذه الأيام، يمكن أن ينتج تسلسل صور متسلسلة إما عدة صور أو يمكن دمجها في صورة HDR واحدة – بشكل فعال، عدة تعرضات في صورة واحدة، والتي يمكن لتطبيقات تحرير الصور التي تدعم HDR مثل Photoshop أن تكررها، وتمكن المصور من تنسيقها في صورة خرجية مثالية.

إذا كنت تتساءل عن سبب اهتمامك أو كيف يؤثر هذا النوع من الأشياء على التصوير الخاص بك، فإن الصورة التوضيحية لهذا المقال تهدف إلى إظهار ذلك بطريقة مألوفة:

في الأعلى، على اليسار نرى مثالًا على صورة sRGB (أي غير HDR). مجرد إضاءة الصورة (المنعكسة على اليمين) لا تظهر الوحش في الخزانة، لأن هذا التفاصيل قد تم التخلص منه عند التقاط الصورة:

في الأسفل، هناك إشارة (على اليسار) إلى كيفية إضاءة الخلفية التي يجب أن تكون مضاءة في وقت التعرض لالتقاط الوحش في صورة غير HDR، وعلى اليمين، كيف يتم غمر الوحش في الظلام عند تعديل التعرض ليناسب الخلفية المضاءة جيدًا:

في الأسفل، نرى النوع من التفاصيل التي يمكن “إنقاذها” من صورة HDR أو تسلسل الصور. في هذه الحالة، كان الوحش “مختبئًا” في السجلات البصرية الأدنى من تسلسل HDR، في مستوى حيث كان المحتوى الآخر سيكون “مضاءًا” إلى الأبيض (في الأعلى على اليسار). من خلال تحديد نطاق واسع من مستويات السطوع التي يجب التعبير عنها، بشكل انتقائي، في نفس الصورة، يمكن دمج هذه العناصر غير المتناسقة في صورة منطقية واحدة:

صورة غير HDR معروفة باسم صورة مرجعية للعرض، وصور HDR ذات نطاق لوني عالٍ معروفة باسم صورة مرجعية للمشهد.

فيديو HDR هو كذلك موجود، وهذا النوع من المرونة اللونية والمرنة يمنح صانعي الأفلام بعض المرونة لإنقاذ وتحسين وتفسير اللقطات بطرق إبداعية ومستمرة؛ من غير المفاجئ، إذًا، أن يتعرض المبدعون للخوف من العمل مع الإخراج “المسطح” من إطارات HDR الناتجة عن معظم الإطارات التوليدية للذكاء الاصطناعي.

HDR في الذكاء الاصطناعي

بالطبع، فإن المشهد البحثي مهتم بإحضار الإطارات التوليدية للذكاء الاصطناعي إلى عصر HDR. ومع ذلك، فإن هذا ليس مهمة سهلة، بسبب هيكل النظام التوليدي القائم على الاندماج، وأيضًا لأن بيانات HDR الجيدة تتطلب مساحة قرص كبيرة، مما يجعل مجموعات البيانات مناسبة للغاية نادرة.

على أي حال، هناك تعاون بين جامعة في سنغافورة وأبحاث Adobe يقدم طريقة لإنشاء تسلسلات صور HDR، بطريقة يمكن تطبيقها نظريًا على الفيديو وكذلك الصور الثابتة:

من موقع المشروع للعمل الجديد، أمثلة على إخراج الصور المتسلسلة النصية. مصدر

ينتج النظام عدة نسخ من نفس الصورة عند مستويات إضاءة مختلفة ويتعلم كم كان المشهد مضاءً حقًا، ثم يدمجها في نتيجة واحدة تحافظ على التفاصيل في الظلال والمناطق المضاءة، مما يسمح بالتعديلات اللاحقة على التعرض أو اللون بالسلوك مثل تعديلات على التقاط الكاميرا الحقيقي، بدلاً من التعديلات الهشة على صورة معالجة بالكامل.

يستخدم النظام مجموعة متنوعة من النماذج لهذه المهمة، بما في ذلك متغيرات Qwen وFlux:

<img class="size-full wp-image-414262" src="https://www.unite.ai/wp-content/uploads/2026/04/figure-15.jpg" alt="أمثلة من الورقة الجديدة، تظهر كيف يمكن للنظام توليد نسخ متعددة من نفس المشهد مع الحفاظ على الهيكل الأساسي ثابتًا. بدءًا من خريطة حافة بسيطة، ينتج النموذج صورًا متسقة عبر إعدادات إضاءة داكنة جدًا إلى إضاءة ساطعة جدًا، سواء كان الإشارة تصف ضوء القمر أو ضوء الشمس أو غروب الشمس أو حتى كائن صغير مثل بالون، مع الحفاظ على الموضوع والتركيبة الثابتين مع تغير الإضاءة فقط. يمكن أن يغير الطريقة السطوع بطريقة مراقبة، بدلاً من التأرجح أو اختراع محتوى جديد مع تغير التعرض. مصدر

يقول المؤلفون:

‘إن توليد الصور الخطية يتطلب تحديًا، لأن النماذج المسبقة للاندماج في نماذج الانتشار يعانون من الحفاظ على التباين العالي والمنخفض في نفس الوقت بسبب النطاق الديناميكي الأعلى وعمق البت.

‘لهذا السبب، نقدم صورة خطية كتسلسل من الصور المتسلسلة، كل منها يلتقط جزءًا معينًا من النطاق الديناميكي، ونقترح هيكل تدفق متوافق قائم على DiT لإنشاء تسلسلات إضاءة متسلسلة.

‘كما نبرز التطبيقات التنفيذية بما في ذلك تحرير الصور الخطية الموجه بالنص وتوليد الهياكل الموجهة بواسطة ControlNet.’

العمل الجديد بعنوان توليد الصور الخطية عن طريق 합成 الصور المتسلسلة، ويأتي من أربعة مؤلفين عبر S-Lab في جامعة نانيانغ التكنولوجية، وAdobe NextCam، وأبحاث Adobe. بالإضافة إلى صفحة المشروع الأصلية ومدونة فيديو يوتيوب المصاحبة للإصدار، هناك أيضًا مستودع GitHub (الذي هو حاليًا ناقص)، ووعد بإصدار مجموعة بيانات.

على الرغم من أن المؤلفين يقدمون العديد من الأمثلة على الإخراج من النظام في موقع المشروع، سيتطلب المشاهدين شاشة HDR لمعرفة خصائص الإخراج HDR:

الطريقة والبيانات

يشدد المؤلفون على مدى تحدي جمع البيانات في هذا السعي:

‘إن الحصول على عدد كبير من الصور الخطية يتطلب تحديًا كبيرًا في الممارسة. بالإضافة إلى ذلك، فإن معظم مجموعات البيانات العامة HDR إما بانورامية (وتهتم تقريبًا حصريًا بمحتوى المشهد على نطاق واسع) أو لا توفر صورًا خطية حقيقية، مما يجعلها غير مناسبة لأغراضنا.

‘لذلك، نستخدم في الغالب مجموعات بيانات الصور الخام كأساس للتدريب.’

استخدم الباحثون خياراتهم المحدودة بشكل إبداعي، مستخدمين مجموعة بيانات RAISE كبيانات تدريب فعلية، ومجموعة بيانات MIT-Adobe FiveK كبيانات تقييم:

为了 بناء بيانات تدريب HDR قابلة للاستخدام، قام الباحثون بتشغيل ملفات الكاميرا الخام عبر خط أنابيب معياري لإزالة特فات الكاميرا، وتم تحويل الصور إلى تنسيق خطي متسق:

مخطط لتدفق العمل للمؤلفين: يبدأ النظام من الضوضاء التي تمثل أربع مستويات من التعرض لنفس المشهد، إلى جانب نص الإشارة ورمز السطوع.

هذا يتضمن إعادة بناء RGB الكامل من بيانات المستشعر، وتطبيق تصحيح الألوان، وضبط توازن الأبيض، والانتقال لفترة قصيرة إلى فضاء لوني محسوس للتعويض، ثم العودة إلى إشارة خطية نظيفة. تم بعد ذلك استعادة الضوء الفعلي في المشهد باستخدام إعدادات التعرض للكاميرا، بحيث ي phản ánh كل بكسل السطوع الحقيقي بدلاً من تقدير جاهز للعرض:

نظرًا لأن هذه القيم يمكن أن تختلف على نطاق واسع، تم تثبيت البيانات بعد ذلك عن طريق تحويل كل صورة بناءً على توزيع السطوع الخاص بها، باستخدام إحصائيات منتصف النطاق والمناطق المضاءة لتجنب الصور المتفحمة أو المنخفضة، للحصول في النهاية على صورة خطية معيارية تحافظ على النطاق الحقيقي للضوء في المشهد، مع الحفاظ على استقرار كافٍ للتدريب.

تم بعد ذلك إنشاء تسميات نصية للصور باستخدام نموذج Qwen2.5-VL 7B، مع إعدادات الإشارات لتطابق سمات نموذج Flux الذي سيُستخدم في وقت التوليد:

تم تقسيم كل صورة إلى “شريحة” من التعرض وتم تمريرها عبر مُشفر VAE مشترك، مما حول جميع التعرضات إلى فضاء 潜 مشترك مصمم لالتقاط النطاق الكامل للسطوع. تم بعد ذلك تحسين البادئات من الضوضاء، وتم فك الشفرة مرة أخرى إلى الصور، مما سمح بإعادة بناء متسقة عبر المناطق الداكنة والمناطق المضاءة، دون انهيارها في تعرض واحد “مسطح”:

تم استخدام LoRA Fine-tuning لتكييف نموذج Flux المسبق التدريب مع بيانات الصور الخطية بparameters إضافية قليلة، مما ساعد نموذج Single-Diffusion Transformers (single-DiT) على الحفاظ على الاستقرار، حتى مع تغير السطوع عبر تسلسلات التعرض:

تم تقديم انتباه ذاتي لتعديل التعرض (العمود الوسط في مخطط أعلاه) لمعالجة جميع التسلسلات معًا، مما سمح بتعديل السطوع لكل تعرض مع الحفاظ على الهيكل والتفاصيل الدقيقة:

تم استخدام 3D Rotary Positional Embedding (3D-R[o]PE) لتضمين الموقع المكاني والهوية التعرضية، بحيث يمكن للنموذج التمييز بين أي شريحة ينتمي كل رمز إليها، مع الحفاظ على الاتساق المكاني، وتمكين الفصل النظيف لتغيير السطوع عن محتوى المشهد:

نظرة عامة على مجموعة البيانات المستخدمة في الدراسة، تظهر كيف يتم توزيع الصور عبر أنواع المحتوى والمناظر الداخلية والخارجية.

3D-RoPE فصل أين كان ميزة و من أي تعرض يأتي إلى إشارات منفصلة، بحيث يمكن تعديل تغيير السطوع بشكل مستقل، دون تلوث التفاصيل المكانية.

الاختبارات

استخدم الباحثون Flux-dev كإطار توليدي، مع تدريب على أربع وحدات معالجة رسومات NVIDIA A100، كل منها مع 80GB من VRAM. تم ضبط حجم الدفعة على 4 (لكل وحدة معالجة رسومات)، على مدار 10,000 تكرار:

استخدم LoRA Fine-tuning رتبة 64. تم استخدام مُحسّن AdamW عند معدل تعلم 2×10² (لجانب تعديل التعرض):

يشير المؤلفون إلى أن هناك أعمالًا سابقة مشابهة في النطاق، ولكن لا واحدة منها كانت مرشحة واضحة لمرحلة الاختبار. عمل GlowGAN بقيادة Max Planck في عام 2022 محدود بإنشاء فئات صور معينة، في حين أن Bracket Diffusion (أيضًا بقيادة Max Planck Institute) في عام 2025 يمكنه فقط توليد صورة HDR عند 256x256px، ويتطلب بضع دقائق للقيام بذلك:

من الورقة الأصلية GlowGAN، الصور التقليدية منخفضة النطاق الديناميكي تفقد التفاصيل في الظلال والمناطق المضاءة. مصدر

لذلك، في غياب أسس مباشرة لإنشاء الصور الخطية، قام المؤلفون بمقارنة طريقةهم مع إصدارات معدلة من نماذج قوية موجودة، بدلاً من بديل مخصص:

كانت واحدة من التجارب (‘T2I Fine-Tuning’) تُحسن نموذج الاندماج النصي-صورة Flux باستخدام LoRA، وتم تدريبه على توليد صور خطية مباشرة، وتقييم كيف يعتاد نموذج T2I على هذا المجال:

كانت المقارنة الثانية (‘T2V fine-tuning’) تستخدم نموذج النص-فيديو Wan 2.1، الذي يضغط الإطارات المتعددة في تمثيل 潜 مشترك؛ في هذا الإعداد، تم ترميز أربع شريحة من التعرض في تمثيل 潜 واحد، وتم فك الشفرة مرة أخرى، لاختبار ما إذا كان يمكن لخط أنابيب الفيديو نمذجة تغيير التعرض:

كانت المجموعة الثالثة من التجارب (‘T2I Model Inflation’) تقارن ضد CameraCtrl وGenerative Photography، التي تمتد نماذج الاندماج الصوري عبر وحدات زمنية، لإنتاج مخرجات متعددة الإطارات. تم تحسينها أيضًا على نفس البيانات، من أجل مقارنة متسقة:

تم استخدام مقاييس مثل Fréchet Inception Distance (FID)؛ ودرجة الجمال (AS)؛ ومقياس جودة الصورة الطبيعية (NIQUE)؛ ودرجة تشابه CLIP؛ وتشابه السطوع (LS):

مقارنة بين طريقة المؤلفين وعدد من الأسس المعدلة.

بخصوص هذه النتائج، يقول المؤلفون:

‘نظرًا لتوزيع الصور الخطية على نطاق واسع، يصعب تحسين نموذج T2I على بيانات الخطية بشكل مباشر لتحقيق توازن بين تفاصيل الظلال والمناطق المضاءة. تعاني طرق التضخم في نموذج T2I من نطاق ديناميكي محدود وتدهور جودة الصورة بشكل كبير حتى بعد التحسين.’

‘对于 T2V Fine-tuning، يؤدي تقليل التدرج الزمني 4× في Wan 2.1 إلى دمج الشريحة الأربعة في تمثيل 潜 واحد، مما يسبب عدم تطابق توزيع شديد لا يمكن حله من خلال التحسين وحده.’

‘من خلال نمذجة خصائص المشهد المرجعية باستخدام شريحة التعرض، تحقق طريقةنا جودة بصرية وديناميكية متفوقة عبر جميع الأسس.’

مقارنة مع Flux وWan 2.1 المعدلين باستخدام LoRA.

يرجى الرجوع إلى قسم التجارب الموسعة وملحقات الورقة الأصلية لمزيد من الاختبارات.

الاستنتاج

对于 أخصائيي الإعلام، مثل أولئك الذين يعملون في إنتاج الأفلام والتلفزيون، فإن نفس الإخراج الذي أثار خيال العالم (وأيضًا، بشكل متزايد، غضبهم) قد تركه بدون انطباع، منذ أن تعتمد معظم خطوط أنابيبهم على التقاط HDR:

لذلك، هذا مشروع في الوقت المناسب، يمثل ميزة واحدة تتمنى أن تصبح معيارًا اختياريًا عبر الإطارات الجديدة – على الرغم من أن هذا سيزيد من أوقات التصور؛ من الواضح أيضًا أن التأخير سيتعين معالجته جديًا إذا لم يكن محتوى HDR للذكاء الاصطناعي سيُترك في فئة “بعد الإنتاج” بدلاً من “في الكاميرا”:

* عادة ما نُظهر أمثلة، لكن نظرًا لأن القارئ قد لا يمتلك شاشة HDR، نحن ن省ها في هذه الحالة.

نُشر لأول مرة يوم الأحد، 26 أبريل 2026