استعد صور العائلة القديمة بالذكاء الاصطناعي
المشكلة الخاصة بالوجوه في الصور القديمة
تعاني الصور القديمة من أنواع متعددة من التلف: خدوش، واصفرار، ودقة منخفضة، وضبابية، وضغط مفرط. تستطيع خوارزميات التكبير العامة إصلاح الكثير من هذه المشكلات — لكنها تفشل عند الوجوه. لماذا؟ لأن الوجوه هي المنطقة التي يكون فيها دماغنا أكثر حساسية للعيوب. بقعة ضبابية على جدار لن تلاحظها، أما بقعة ضبابية على خد فتُفسد الصورة بأكملها.
صُمِّم GFPGAN (Generative Facial Prior GAN) خصيصاً لهذا الغرض. يجمع بين شبكتين: encoder يستخرج البنية الوجهية من الصورة التالفة (حتى لو كانت متدهورة جداً)، ومولّد StyleGAN مدرَّب على ملايين الوجوه الحقيقية، يُعيد بناء التفاصيل الدقيقة.
كيف يعمل المرجع الوجهي
"المرجع الوجهي" هو المعلومات الإحصائية التي يمتلكها النموذج حول الشكل الذي "ينبغي" أن تبدو عليه الوجوه البشرية. تدرَّب StyleGAN على مجموعة بيانات FFHQ (70,000 وجه عالي الدقة)، متعلماً العلاقة بين:
- شكل الرأس ← موضع العينين
- العمر التقريبي ← ملمس البشرة
- الإضاءة ← الظلال في مناطق محددة
- لون الشعر ← اللون النموذجي للرموش
عندما تُدخل صورة متدهورة، يُجري GFPGAN أولاً تقديراً أولياً ("هذا وجه سيدة مسنّة، على الأرجح بعيون بنية وشعر رمادي")، ثم يستخدم StyleGAN لملء التفاصيل المتسقة مع هذا التقدير.
الإشكالية الأخلاقية: الدقة مقابل المصداقية
هنا يكمن الجانب الأكثر حساسية في الترميم بالذكاء الاصطناعي: الصورة المُرمَّمة ليست بالضبط الشخص الذي كان فيها. يُهلوس النموذج بتفاصيل تبدو معقولة لوجه عام يتوافق مع التلف الملاحَظ — لكنه قد يُخطئ في الشكل الدقيق للأنف، أو اللون الحقيقي للعينين، أو الأسنان.
للاستخدام العائلي، هذا مقبول عموماً — فالمظهر العام صحيح، ولن يقارن أحد بشكل جنائي مع أصل كان مدمراً أصلاً. لكن في السياقات التي تكون فيها الدقة حاسمة (التعريف القانوني، الصحافة التاريخية)، يجب عرض الصورة المُرمَّمة جنباً إلى جنب مع الأصل، لا استبداله.
أفضل الممارسات للحصول على أفضل النتائج
- امسح الصورة ضوئياً بدقة عالية: استخدم 600 DPI كحد أدنى، حتى لو كانت الصورة الأصلية صغيرة. كلما زادت البكسلات التي يعمل عليها النموذج، كانت النتيجة أفضل.
- اقتصّ الصورة لكل وجه: إذا كانت الصورة تضم 5 أشخاص، فعالج 5 اقتصاصات منفردة. يُعطي النموذج اهتماماً مركزياً؛ والوجوه في الزوايا تخرج بجودة أقل.
- تجنب الضغط في المدخلات: JPEG المضغوط يفقد تحديداً الترددات العالية التي يحتاجها GFPGAN للاستدلال على التفاصيل.
- ادمجه مع التلوين بشكل منفصل: يحافظ GFPGAN على ألوان الصورة. إذا أردت تلوين صورة بالأبيض والأسود، مرِّرها عبر نموذج تلوين أولاً.
- احتفظ بالأصل: احفظ دائماً الصورة الخام. الترميم تفسير، وليس استرداداً نهائياً.
الحدود التي يفشل فيها GFPGAN
- صور الأطفال: تدرَّب النموذج أساساً على البالغين؛ وقد تبدو وجوه الأطفال "أكبر سناً" أحياناً
- الحجب الشديد (قناع، نظارات شمسية، يد على الوجه): قد يحاول إعادة بناء الوجه بالكامل، مخترعاً ما لم يره
- التعبيرات المتطرفة (فم مفتوح أثناء الغناء، قهقهة): يفترض المرجع الوجهي تعبيرات محايدة؛ وقد يُلطّف التعبير أكثر مما ينبغي
- الإكسسوارات الثقافية الخاصة (عمائم، مكياج مسرحي): قد يحذفها النموذج أو يبسّطها
جرّبه الآن
أرسل صورة قديمة ممسوحة ضوئياً في محادثة Brainiall واطلب "استعد الوجوه في هذه الصورة مع الحفاظ على اللون والسياق". يجمع الـ pipeline تلقائياً بين الكشف عن الوجوه + GFPGAN + إعادة الدمج. تُعالج خطة Pro بـ 29 ريالاً حتى 100 عملية ترميم شهرياً.