تست تک‌مرحله‌ای برای شناسایی خطاهای ساختاری در خطوط هوش مصنوعی

تصور کنید ساعتها وقت صرف طراحی یک کاراکتر کرده‌اید، اما لحظه‌ای که می‌خواهید رنگ آن را بریزید، رنگ از لبه‌ها نشت می‌کند و کل تصویر را خراب می‌کند. این کابوس هر هنرمند دیجیتالی است که از ابزارهای هوش مصنوعی برای تولید خطوط (Line Art) استفاده می‌کند. تفاوت میان طراحی‌ای که «شبیه» هنر خطی است و طراحی‌ای که «در عمل» به عنوان هنر خطی کار می‌کند، در همین جزئیات نهفته است.

به نقل از تحلیل فنی منتشرشده در dev.to در تاریخ ۱۴ سپتامبر ۲۰۲۶، اکثر طرح‌های انیمه‌ای تولیدشده توسط هوش مصنوعی در یک آزمون حیاتی شکست می‌خورند: بسته بودن محیط‌ها (Closed Contours). چون این شکاف‌های ریز در حالت سیاه و سفید نامرئی هستند، شما تا زمانی که سعی نکنید تصویر را رنگ کنید، متوجه خرابی آن نمی‌شوید. در این لحظه است که رنگ از لبه‌ها عبور کرده و مستقیماً از روی لبه‌ها می‌گذرد، در سراسر تصویر پخش می‌شود و دارایی شما را برای خط تولیدات حرفه‌ای (Production Pipelines) کاملاً بی‌فایده می‌کند.

این شکاف اعتبارسنجی، بازتابی از یک مشکل بزرگ‌تر در کنترل کیفیت هوش مصنوعی است. همان‌طور که در تحلیل قبلی ما درباره‌ی اینکه چگونه ابزارهای اندازه‌گیری می‌توانند کاربران را فریب دهند اشاره کردیم، این مسئله تفاوت عمیقی میان «زیبایی بصری» و «کاربرد عملی» را برجسته می‌کند. این چالش مشابه آن چیزی است که در بررسی کدهای تولیدی هوش مصنوعی دیدیم؛ جایی که خروجی در ظاهر درست به نظر می‌رسد اما از نظر فنی دارای نقص‌های ساختاری است. برای یک هنرمند دیجیتال، تصویری که «قشنگ» است اما قابلیت رنگ‌آمیزی ندارد، در واقع یک فایل خراب است. برای حل این مشکل، باید فرآیند را به صورت معکوس سازماندهی کرد: ابتدا دروازهٔ کنترل (The Gate) را بسازیم و سپس مسیرهای تولید را که به آن تغذیه می‌کنند، تعریف کنیم. این متدولوژی با ۸ اجرای مشخص روی مدل Tsubaki.3 در پلتفرم PixAI آزمایش شد.

چهار معیار استاندارد تولید

برای اینکه یک اثر خطی در مراحل بعدی تولید قابل استفاده باشد، باید چهار شرط غیرقابل مذاکره را داشته باشد. شما باید یک مدل تولید خطوط هوش مصنوعی را بر اساس این ویژگی‌ها بسنجید، نه بر اساس اینکه خروجی در نگاه اول چقدر زیبا به نظر می‌رسد:

• محیط‌های بسته (Closed Contours): هر شکل باید کاملاً مهروموم شده باشد. این تنها ویژگی است که به هیچ وجه با چشم و نگاه کردن قابل تأیید نیست.
• عدم وجود تناژ خاکستری (Zero Grey Tones): وجود خاکستری‌ها، شسته‌ها (Washes) و اسکرین‌تون‌ها به این معناست که مدل به جای «ترسیم»، «رندر» کرده است. این موارد در هر مرحله از تولید، کیفیت اثر را تخریب می‌کنند.
• پس‌زمینه سفید خالص (Pure White Backgrounds): تناژهای نزدیک به سفید (Off-white)، نویزها و شسته‌های کمرنگ باعث ایجاد مشکلات جدی در مراحل پس‌پردازش (Post-processing) می‌شوند.
• وزن خطوط معنادار (Informative Line Weight): استفاده از خطوط ضخیم برای محیط بیرونی و خطوط ظریف برای جزئیات داخلی. این مورد برای سوژه‌های ساده اختیاری است اما برای سوژه‌های متراکم و پیچیده، تعیین‌کننده است.

آزمون دروازه: اثبات ساختاری

تأیید کیفیت را نمی‌توان فقط با نگاه کردن انجام داد. تنها راه برای تأیید یک طراحی، عبور دادن آن از یک «تولید دروازه‌ای» (Gate Generation) است. این یک مرحله تولید تک‌مرحله‌ای است که تنها سؤالی را پاسخ می‌دهد که خودِ تصویر قادر به پاسخ آن نیست: آیا محیط‌ها مهروموم شده‌اند؟

روش اجرا:
۱. تصویر خطی تولید شده را به عنوان تصویر پایه (Base Image) قرار دهید.
۲. از یک پرامپت رنگ‌های تخت (Flat Color) بدون استفاده از ابزار ویرایش (Edit Tool) استفاده کنید.
۳. از مدل بخواهید رنگ‌های تخت را داخل خطوط بریزد، در حالی که هر خط دقیقاً در جای خود باقی بماند و مدل هیچ بخشی را دوباره نکشد (Redraw).
۴. برای تست آب‌بندی هر ناحیه، رنگ‌های تخت و مشخصی را تعیین کنید: کلاه زرد کمرنگ، تور مشبک سفید، ژاکت کرم‌رنگ از جنس بوم، دستکش‌های چرمی قهوه‌ای، دودکش فلزی خاکستری، کندوهای چوبی تان (Tan) و یک آسمان آبی کمرنگ تخت.
۵. هرگونه گرادینت، سایه‌زنی، نورپردازی و بافت را کاملاً ممنوع کنید.

اگر رنگ‌ها به‌درستی پخش شوند و بدون نشت بین نواحی، داخل خطوط بمانند، یعنی محیط‌ها بسته هستند. در این حالت، خطوط سیاه باید در موقعیت اصلی خود باقی بمانند. اگر رنگ نشت کند، یعنی خطوط باز هستند و محل نشت، دقیقاً نقطه شکست ساختاری را نشان می‌دهد. طبق گزارش‌ها، اکثر خروجی‌های Line Art انیمه‌ای از بازرسی بصری پاس می‌شوند اما در این دروازه شکست می‌خورند. یک رنگ‌آمیزی تمیز، در واقع یک «اثبات ساختاری» است. این رویکرد سخت‌گیرانه برای اعتبارسنجی، یادآور تأکیدات سخت‌گیرانه در برابر بازبینی انسانی در متون ماشین‌خوان است که در آن دقت مطلق بر تخمین بصری اولویت دارد.

سه مسیر تولید خطوط

آزمایش‌های انجام‌شده روی ۸ اجرای مختلف با مدل Tsubaki.3 در PixAI سه روش متمایز برای ایجاد هنر خطی را نشان داد که هر کدام توازن‌های متفاوتی دارند:

مسیر اول: پرامپت مستقیم (Direct Prompting)
این تمیزترین مسیر در میان هر سه روش و انتخاب پیش‌فرض است. برای تست این مسیر، سوژه‌ای مهندسی شده برای ایجاد مشکل انتخاب شد: یک دختر نوجوان زنبوردار. پیچیدگی‌های این سوژه شامل یک تور مشبک (برای تست شفافیت)، کندوهای چوبی (ساختارهای تکرار شونده)، یک دودکش فلزی (شیء با لبه‌های سخت) و زنبورهای در حال پرواز (اشکال کوچک تکرار شونده) بود.

استراتژی پرامپت:

• تعیین عبارت: «هنر خطی انیمه سیاه و سفید، ترسیم شده با قلم فنی روی کاغذ سفید».
• جزئیات صحنه: یک دختر نوجوان زنبوردار که میان کندوهای چوبی بلند ایستاده، کلاهی لبه‌دار با تور مشبک ظریف که روی صورتش آویزان است پوشیده، ژاکتی از جنس بوم با مچ‌های سگک‌دار، دستکش‌های ضخیم و یک دودکش فلزی در دست راست که دود از دهانه آن خارج می‌شود. صورت او باید از پشت تور قابل رؤیت باشد و زنبورها در اطرافش در حال پرواز باشند.
• محدودیت‌های منفی: «وزن خط یکنواخت، تمام محیط‌ها بسته، پس‌زمینه سفید خالص، بدون تناژ خاکستری، بدون اسکرین‌تون، بدون هاشور، بدون پر کردن‌های سیاه خالص، بدون سایه‌زنی، بدون رنگ».

این مسیر تمام چهار معیار استاندارد تولید را پاس کرد. خروجی هیچ رنگی نداشت، هیچ ناحیه‌ای به طور سیاه خالص پر نشده بود و پس‌زمینه سفید خالص بدون نویز یا شسته بود. صورت کاراکتر به جای اینکه زیر تور دفن شود، خوانا باقی ماند و سگک‌های مچ دست درست رسم شدند. نام بردن از یک ابزار فیزیکی (قلم فنی) و کاغذ واقعی تأثیر زیادی داشت و به مدل چیزی داد تا از آن تقلید کند که صرفاً یک «تصویر رندر شده» نباشد.

مورد خاص: سوژه‌های بدون لبه (Edge Cases)
مواردی مثل باران، بخار و بازدم فاقد مرزهای مشخص هستند. تست این موارد نشان داد که آیا مدل فرمت Line Art را درک می‌کند یا فقط موضوع را. در پرامپت درخواست شد که باران، بخار و بازدم کاملاً با خط رسم شوند و تناژ خاکستری، اسکرین‌تون و پر کردن‌های سیاه ممنوع شوند.

مدل Tsubaki.3 به جای استفاده از گرادینت‌های نرمی که اکثر مدل‌ها برای بخار به کار می‌برند، اشکال خطی بسته تولید کرد. به طور مشخص، بازدم و بخار زمین به صورت حلقه‌های ابری بسته، باران به صورت خط‌های کوتاه کشیده و آب‌های جاری از لبه‌های چتر به صورت صفحات ترسیم شده ظاهر شدند. هر یک از این‌ها قابلیت رنگ‌آمیزی تخت را داشتند. این ثابت می‌کند که مدل ساختار فرمت Line Art را درک کرده است، نه فقط موضوع مورد نظر را.

مسیر دوم: استخراج از رندر (Stripping a Render)
این روش شامل تولید یک تصویر کاملاً رندر شده در ابتدا و سپس استفاده از باکس ویرایش (Edit Box) با مدل Tsubaki.3 و پرامپت «تبدیل به هنر خطی» (Convert to line art) است.

• نقطه قوت: حفظ ساختار. ژست، چیدمان کندوها، جایگذاری سگک‌ها و هندسه دودکش بدون تغییر باقی می‌مانند. تمام رنگ‌ها و مقادیر نوری حذف شده و خطوط سیاه روی سفید باقی می‌مانند و تور مشبک بدون تبدیل شدن به یک لکه سیاه، به درستی ترجمه می‌شود.
• نقطه ضعف: کیفیت خطوط. این تبدیل مانند یک فیلتر Threshold عمل می‌کند. تارهای نازک مو و مش‌های تور لبه‌های پیکسل‌پیکسل پیدا می‌کنند که در نسخه پرامپت مستقیم وجود نداشت.

قانون انتخاب مسیر: زمانی که کیفیت ترسیم اولویت است، مستقیماً پرامپت بزنید؛ زمانی که تصویری دارید که می‌خواهید ساختار آن دقیقاً حفظ شود، از تبدیل رندر استفاده کنید.

مسیر سوم: تبدیل عکس به خط (Photo Conversion)
این ضعیف‌ترین مسیر است و از یک شکست سیستماتیک رنج می‌برد. برای تست، عکسی از مردی با کت شتری در کنار یک ماشین کلاسیک (منبع: GlassesShop از Pixabay) به عنوان مرجع استفاده شد. پرامپت درخواست یک پردازش تمیز را داشت: قلم فنی، وزن خط یکنواخت، محیط‌های بسته و پس‌زمینه سفید خالص بدون خاکستری یا سایه.

در حالی که انتقال ترکیب‌بندی (Composition) درست عمل کرد — یعنی نحوه گرفتن گوشی، افتادگی کت، سگک کمربند، عینک‌های فریم‌دار، انگشترها و ماشین حفظ شدند — اما مدل تمام دستورات منفی را نادیده گرفت. مدل نور و سایه عکس را به هاشورهای متقاطع (Cross-hatching) در سراسر کت، یقه، شلوار و زیر بدنه ماشین تبدیل کرد. پر کردن‌های سیاه خالص در ناحیه کمربند ظاهر شد و وزن خطوط در سراسر تصویر متغیر بود. مکانیسم این اتفاق سیستماتیک است: مدل مقادیر سایه را به جای حذف کردن، به علامت‌های هاشور تبدیل می‌کند. هیچ مقدار از پرامپت‌های منفی نتوانست این رفتار را حذف کند.

قانون انتخاب مسیر: با این روش به عنوان یک تولیدکننده «اسکچ استایل‌دار» برخورد کنید، هرگز آن را به عنوان منبعی برای هنر خطی تولیدی (Production Line Art) به کار نبرید.

عملکرد مدل‌ها و وزن خطوط

انتخاب مدل تأثیر بیشتری نسبت به کلمات پرامپت دارد. پرامپت زنبوردار دقیقاً با همان کلمات روی مدل Haruka v2 (یک مدل SDXL) اجرا شد که به طور جامع شکست خورد. این مدل پر کردن‌های سیاه سنگینی روی موها، یقه، گودی گردن و بندها ایجاد کرد. پس‌زمینه شامل گیاهانی با اسکرین‌تون، سایه‌زنی و حتی یک حاشیه پنل ترسیم شده بود، در حالی که باید فضای سفید می‌بود. به جای تور صورت، یک ماسک روی قسمت پایین صورت او کشید.

عجیب‌ترین مورد این بود که مدل عبارت «قلم فنی» (Technical pen) را به عنوان یک شیء تفسیر کرد و به جای دودکش، یک قلم در دست دختر کشید و دود را در حال خارج شدن از دهان او نشان داد. سوگیری زیبایی‌شناختی Haruka v2 بر محدودیت‌های منفی غلبه کرد؛ این مدل می‌دانست یک پنل مانگا چه شکلی است و یکی از آن‌ها را تولید کرد، فارغ از اینکه مشخصات فنی (Spec) چه بود.

تنظیم وزن خطوط (The Line Weight Dial):
سلسله‌مراتب خطوط در دسترس است اما باید درخواست شود. دو تست روی یک مکانیک که در کنار موتور یک موتورسیکلت باز شده روی میز کار زانو زده است، تفاوت را نشان داد:

• وزن یکنواخت (قلم فنی ۰.۳ میلی‌متری): هر خط ضخامت یکسانی دارد. این منجر به طراحی بدتری شد، زیرا محیط بیرونی موتور همان وزن سر پیچ‌ها، دندانه‌های چرخ‌دنده و تارهای مو را داشت و تصویر را به یک شبکه تخت تبدیل کرد که باید رمزگشایی شود.
• خطوط وزنی (قلم مو/Brush pen): خطوط ضخیم و جسورانه برای محیط بیرونی (Silhouette)، خطوط متوسط برای فرم‌های اصلی و خطوط بسیار ظریف برای جزئیات داخلی مانند سر پیچ‌ها، مسیر کابل‌ها و چین‌های پارچه. این روش فوراً پیش‌زمینه را از پس‌زمینه تفکیک کرد و عمق ایجاد نمود.

اهداف خروجی و واژگان

شغل‌های مختلف به مقدار متفاوتی از خطوط نیاز دارند. واژگانی که به کار می‌برید، محصول نهایی را تعیین می‌کند:

• اسکچ ساختاری اولیه (Rough Construction Sketch): از عبارات «مداد، خطوط جستجوی آزاد، ضربات هم‌پوشان، ناتمام» استفاده کنید. تمرکز روی ژست و تناسبات باشد. (مثال: پسری که در میان هوا از یک رمپ اسکیت می‌پرد، تخته به صورت مورب و هودی در حال تکان خوردن). این خروجی دارای بافت گرافیت است، هرچند چهره‌ها ممکن است نسبت به یک پیش‌نویس واقعی، پرداخت‌شده‌تر باشند.
• هنر خطی تولیدی (Production Line Art): از عبارات «قلم فنی روی کاغذ سفید، تک‌خط جسورانه، وزن خط یکنواخت، تمام محیط‌ها بسته» استفاده کنید. (مثال: پیرمرد آرایشگری که کنار صندلی‌اش در یک مغازه خالی ایستاده و شانه در جیب سینه دارد). هر فرم به یک سلول مهروموم شده تبدیل می‌شود و دندانه‌های شانه به صورت خطوط باز رسم می‌شوند نه سیاه خالص.
• هنر پنل مانگای مرکب شده (Inked Manga Panel Art): از عبارات «سیاهی‌های متمرکز سنگین در سایه‌ها، هاشورهای متراکم، خطوط سرعت موازی و ظریف» استفاده کنید. (مثال: زنی با کتی بلند در سکوی ایستگاه در شب، در حالی که قطاری با سرعت می‌گذرد). این یک هنر مرکب شده است، نه هنر خطی؛ از سیاهی‌های خالص در موها و سقف‌ها و هاشور در چین‌های کت استفاده می‌کند و به راحتی قابل رنگ‌آمیزی نیست.

جدول مسیریابی برای تولید

تحلیل: شکاف کاربردی

این تغییر دیدگاه، هنر هوش مصنوعی را از یک «لاتاری زیبایی‌شناختی» به یک «استاندارد تولید» تبدیل می‌کند. برای یک خالق حرفه‌ای، ارزش یک مدل دیگر در توانایی آن برای تقلید از یک استایل نیست، بلکه در توانایی آن برای پیروی از محدودیت‌های منفی و قوانین ساختاری است.

وقتی مدلی مانند Tsubaki.3 ممنوعیت تناژ خاکستری را رعایت می‌کند در حالی که یک مدل قدرتمندتر مانند SDXL آن را نادیده می‌گیرد، مدل «باهوش‌تر» در واقع برای یک خط تولید حرفه‌ای «کم‌فایده‌تر» است. این تضاد میان اتوماسیون سریع و دقت انسانی، مشابه بحث‌های مربوط به تولید محیط‌های سه‌بعدی در برابر طراحی مکانیک‌های انسانی است، جایی که سرعت تولید نباید جایگزین منطق ساختاری شود. اثر ثانویه این موضوع، شکاف رو به رشدی بین مدل‌های طراحی شده برای مصرف در شبکه‌های اجتماعی و مدل‌های طراحی شده برای جریان‌های کاری حرفه‌ای است.

برای اینکه مطمئن شوید دارایی‌های هوش مصنوعی شما واقعاً قابل استفاده هستند، دست از اعتماد به چشم‌هایتان بردارید. آزمون دروازه را اجرا کنید: هنر خطی خود را به عنوان پایه قرار دهید، رنگ‌های تخت درخواست کنید و منتظر نشت‌ها باشید. با یک سوژه ساده مانند آرایشگر شروع کنید تا پرامپت را تأیید کنید؛ سپس به سراغ سوژه‌ای متراکم مانند موتور بروید تا وزن خطوط را تأیید کنید.