← العودة إلى المدونة
Aiحوالي 1 دقيقة قراءة

نموذج أنمي تعلّم قراءة الرسوم العصوية. والفجوة من 0.37 إلى 0.83 هي الرقم المثير.

نُشر في 8 نوفمبر 2026
نموذج أنمي تعلّم قراءة الرسوم العصوية. والفجوة من 0.37 إلى 0.83 هي الرقم المثير.

في 2 نوفمبر ظهر مستودع باسم Anima-Control-Pose، مع بناء تجريبي من دليل أوضاع لموديل صور أنمي. تعطيه صورة مرجعية، فيرسم الكاشف المرفق هيكلاً عظمياً فوق الشخص، وتتبع الشخصية ذلك الهيكل.

ملاحظات الإصدار قصيرة، ودقيقة بشكل غير معتاد فيما لا يعمل. أوضاع الجري والقفز والجلوس هي الأقل موثوقية. الأيدي ما زالت تلتحم. الكاشف بُني للصور الفوتوغرافية، لذلك يقرأ رسوم الأنمي بشكل سيئ.

ذلك السطر الأخير هو ما يخبرك أن المؤلف استخدم الأداة فعلاً.

ما الغرض من التحكم بالوضعية، ولماذا يحتاج الأنمي نسخته الخاصة

تكييف الوضعية مشكلة محلولة في توليد الصور عامة. طبقات الهيكل العظمي وخرائط العمق وخرائط الحدود صارت مدخلات تحكم قياسية منذ عامين، والموديلات العامة تتعامل مع صورة شخص بدقة معقولة.

الأنمي مشكلة مختلفة. النسب منمّقة. الرؤوس كبيرة، الأطراف رفيعة، الأيدي تُرسم خمسة خطوط نظيفة لا هندسة مصوّرة. الكاشف المدرَّب على الصور ينظر إلى لوحة مانغا فيخرج هيكلاً صحيحاً تقريباً في الجذع وخاطئاً في كل ما تبقّى، لأن الإشارات التي يعتمد عليها، انتفاخات المفاصل وتظليل الجلد، غير موجودة هناك.

لذلك يحتاج خط إنتاج الأنمي شيئين في وقت واحد: إشارة تحكم يستطيع الموديل اتباعها، وطريقة لاشتقاق تلك الإشارة مما يملكه الرسام فعلاً، وهو عادة رسم أولي أو صورة مرجعية أو شكل تقريبي.

يأخذ Anima-Control-Pose الطريق غير المباشر: صورة تدخل، هيكل يخرج، والشخصية تتبع. هذا هو سير العمل الذي يريده رسام لديه صورة مرجعية لوضعية، ولهذا وُجدت الأداة.

الرقم وما يقيسه

يذكر المؤلف أن دقة الوضعية انتقلت من نحو 0.37 بدون الإضافة إلى نحو 0.83 معها عند 1024 بكسل. وعند 512 و768 تكون المكاسب أصغر.

في هذا الرقم ثلاثة أمور تستحق الفصل.

إنه قياس المؤلف نفسه، على مجموعة تقييمه هو. لا يوجد تحقق من طرف ثالث، ولا معيار قياسي، ولا بروتوكول معلن لما يُعدّ وضعية صحيحة. الرقم مفيد كاتجاه وكدليل على أن الإضافة تفعل شيئاً جوهرياً. لكنه غير قابل للمقارنة برقم معيار منشور.

الاعتماد على الدقة منطقي ميكانيكياً. استخراج الهيكل والالتزام بالوضعية يتراجعان عندما تشغل الشخصية بكسل أقل، وتوليدات الأنمي عند 512 بكسل كانت دائماً الحالة الصعبة لطبقات التحكم. أن يتقلص المكسب هناك قيد، لا هامش.

الفجوة بين 0.37 و0.83 هي النصف الأكثر إثارة. موديل يسجّل 0.37 في الالتزام بالوضعية ليس عديم الفائدة؛ إنه موديل ينتج شخصية في الهيئة الصحيحة تقريباً والأطراف تفعل شيئاً قريباً. الرسامون يتعاملون مع ذلك بإعادة التوليد. الانتقال إلى 0.83 يحوّل إعادة التوليد إلى إخراج، وهذا يغيّر كم توليدة يكلّفها المشهد.

ثلاثة أشياء ما زال لا يستطيعها

البطاقة تسردها، وتستحق أن تؤخذ على علّتها.

الجري والقفز والجلوس هي الأقل موثوقية. انظر إلى السبب. هذه الأوضاع تتضمن احتجاباً ذاتياً وتقصيراً منظورياً وتلامساً مع سطح غير مرئي. الهيكل يرمّز مواضع المفاصل، ومواضع المفاصل أقل إفادة بالضبط حين ينطوي الجسد على نفسه. زاوية ورك شخصية جالسة غير مرئية في رسم عصوي.

الأيدي تلتحم. الأيدي أقدم عطل في الصور التوليدية، والحل لم يكن يوماً تكييف الوضعية. الكاشف ينتج نقاط معصم وأصابع بثقة منخفضة، والموديل يرسم إيحاء بيد، والرسام يعيد رسمها. كل خط إنتاج أنمي في التشغيل الفعلي فيه خطوة إصلاح أيد. هذه الأداة لا تلغيها.

الكاشف يسيء قراءة رسوم الأنمي. هذا هو القيد البنيوي. الأداة ترى الصور جيداً لأنها دُرّبت على الصور. إذا كان مرجعك لوحة مانغا أو رسماً أولياً أو توليدة ذكاء اصطناعي أخرى، فالهيكل الذي ترسمه قد يكون معقولاً وخاطئاً، والهيكل الخاطئ ينتج شخصية خاطئة بثقة.

هذا القيد الثالث يحدد نطاق الأداة. إنها تقف في مقدمة خط الإنتاج، تحوّل مرجعاً من العالم الحقيقي إلى إشارة تحكم، وليست جسراً بين صورتي أنمي.

خط الأساس 0.37 هو أيضاً حكم على الموديل الأساسي، ويستحق أن يُقرأ كذلك. بدون الإضافة، موديل أنمي يُطلب منه اتباع هيكل يصيب نحو ثلث الوضعية. كل ما فعله الرسامون للالتفاف على ذلك، من تمريرات img2img إلى ترميم الأطراف واحدة واحدة، ينبع من هذا الرقم. رفعه إلى 0.83 يقلل الجهد؛ ولا يزيل خطوة فحص النتيجة.

ما الذي يُشحن، وكم يكلّف استخدامه

الحزمة متواضعة: مجلدان لعقد ComfyUI، وأربعة سير عمل أمثلة مع `pose_control_demo.json` كنقطة دخول، وكاشف بحجم 316 ميغابايت تقريباً.

ComfyUI كقناة توزيع هو العُرف الآن، وله أثر جانبي يستحق الانتباه. ملف JSON لسير العمل هو في الوقت نفسه توثيق ودرس تعليمي وأثر قابلية إعادة الإنتاج. إذا استطعت تحميل الملف، ترى كل معامل استخدمه المؤلف، وهذا شكل من الإفصاح لا تقدمه معظم إصدارات الموديلات. ويعني أيضاً أن سلوك الأداة قابل لإعادة الإنتاج على جهازك وبذورك، وهي الطريقة الوحيدة التي يصبح بها ادعاء 0.83 قابلاً للتحقق من أي شخص غير كاتبه.

الأوزان غير تجارية. وبالنسبة لموديل أنمي له مجتمع هواة كبير، هذا ترتيب مألوف: مجاني لمن يصنع فن المعجبين، ومرخّص بشكل منفصل لمن يبيعه. ويعني أيضاً أن استوديو لا يمكنه تبنّيه دون محادثة، وهذا سيكون العامل الحاسم لمعظم المستخدمين المحترفين بغض النظر عن رقم الدقة.

النمط الذي يمثله هذا الإصدار

أمضى توليد الأنمي عامين وهو يتقارب نحو حزمة واحدة: موديل أساسي، ومجموعة LoRA للشخصيات، وطبقات تحكم للوضعية والرسم الخطي والتكوين. كل طبقة إصدار صغير منفصل من مؤلف منفصل، وغالباً مع ملف سير عمل وبطاقة تسرد الأعطال.

لهذا الهيكل كلفة. التوافق بين الطبقات ليس وظيفة أحد، وتحديث الموديل الأساسي قد يكسر أربع إضافات دفعة واحدة. وله أيضاً ميزة يحاول الطرف المصقول من السوق شراءها باستمرار: قوائم الأعطال علنية، لأن المؤلفين مستخدمون.

Anima-Control-Pose إصدار صغير ببطاقة صادقة. السؤال المثير ليس هل 0.83 جيد. بل هل يستمر النظام البيئي في نشر الرقم أصلاً، أم أن النسخة القادمة تصدر مع شريط عرض ولا مقام.

احتفظ بالمقام. فهو الجزء الوحيد الذي يتيح لك أن تقرر.

مقالات ذات صلة

جدول نقرات يديره المجتمع يطفئ الإعلانات داخل بناءات أندرويد الصينية

لا يمس النظام، ولا يفتح القفل، ولا يكتب أي شيء على الجهاز. يقلب فقط المفاتيح التي عرضتها الشركات أصلاً. الثمن قائمة يجب أن يظل أحدهم يكتبها.

GPT Image 2.6 أبقى على سعر الرموز ورفع الفاتورة

أبقى GPT Image 2.6 على كل أسعار الرموز كما كانت في 2.5، ومع ذلك صارت الصورة الواحدة أكثر كلفة، لأن جزءاً أكبر من العمل يجري الآن في رموز الإخراج. بعد أحد عشر يوماً من الإطلاق، تقول بنية التسعير أكثر مما تقوله لوحة الصدارة.

أحدهم أعاد بناء IDM من الخارج وكتب ما لم يمسّه

إعادة تنفيذ بلغة Rust لبرنامج Internet Download Manager تزعم سرعة أكبر بخمسة أضعاف ودعماً لـ 86 لغة. والوثيقة الأكثر إثارة للاهتمام هي الفقرة التي تشرح كيف بُني المشروع دون نسخ أي شيء.

Rune إطار عمل UI بلغة Rust صُمم كي يستطيع الوكيل التحقق من عمله

يرسم Rune بلا واجهة، ويفرّغ شجرة عناصره، ويقبل إدخالًا مكتوبًا، ما يمنح وكيل البرمجة إشارة قابلة للمقارنة لا تقدمها لقطة الشاشة أبدًا. الإطار في مرحلة ما قبل الإصدار ولا يستقبل pull requests.