محققان در پژوهشی جدید، مدل نوآورانهای به نام SMARLI را معرفی کردهاند که تحولی در تولید تصاویر توسط هوش مصنوعی ایجاد میکند.
مشکل اصلی مدلهای فعلی این است که وقتی از آنها میخواهیم بر اساس یک «طرح کلی» (Layout) خاص تصویر بسازند، اغلب گیج میشوند یا جزئیات را بهخوبی ترکیب نمیکنند. مدل SMARLI با استفاده از یک استراتژی «ماسکگذاری ساختاریافته» (Structured Masking)، اجازه میدهد هوش مصنوعی متوجه شود هر بخش از طرح، دقیقاً به چه توصیف متنی مربوط است.
این یعنی:
✅ دقت بسیار بالاتر در جایگذاری عناصر در تصویر
✅ کاهش خطاهای بصری و درهمتنیدگی ویژگیها
✅ استفاده از روش بهینهسازی GRPO برای افزایش کیفیت نهایی تصاویر
این مدل میتواند راه را برای طراحیهای گرافیکی دقیقتر و هوشمندتر هموار کند.
منبع: arXiv AI