چرا هنگام بازسازی عکس با هوش مصنوعی، بعضی اوقات چهرهها خیلی عوض میشوند؟
آشنایی با پشت پرده الگوریتمهای هوش مصنوعی بازسازی تصویر میتواند برای هر کسی که به عکسهای قدیمی خانوادهاش عشق میورزد، فوقالعاده کاربردی و دانشافزا باشد. در این مطلب برآنیم که ببینیم چرا ابزارهای هوش مصنوعی محبوب مانند رمینی (Remini) عکسها ما را دگرگون میکنند، چهرهها را عوض میکنند و واقعیت پنهان پشت این رندرهای جذاب چیست. آیا واقعا این برنامهها کیفیت عکس را بالا میبرند یا فقط یک نقاشی دیجیتال بینقص تحویل ما میدهند؟ چرا هر چه تلاش میکنیم چهرهها طبیعی بمانند، خروجی کار شبیه به پرترههای آتلیهای مدرن میشود؟ در ادامه با بررسی دقیق مکانیسمهای فنی هوش مصنوعی به این پرسشها پاسخ خواهیم داد.
فهرست مطالب
- ۱. جادوی سیاه رمینی یا توهم دیجیتال؟
- ۲. موتور محرک توهم؛ شبکههای زایای دشمنگونه چیستند؟
- ۳. رندر به جای بازیابی؛ حقیقت تلخ پیکسلهای مرده
- ۴. چرا چشمها و دستها به کابوس هوش مصنوعی تبدیل میشوند؟
- ۵. سندروم زیبایی اینستاگرامی؛ وقتی مادربزرگ شبیه مدلها میشود
- ۶. پشت پرده تغییر عمدی؛ چرا الگوریتمها ما را زیباتر میخواهند؟
- ۷. معرفی ابزارها؛ کدام هوش مصنوعی کمترین تغییر چهره را اعمال میکند؟
- ۸. قدرت راهنما؛ استفاده از تصاویر رفرنس برای مهار هوش مصنوعی
- ۹. ترفندهای عملی برای حفظ اصالت و جلوگیری از فیک شدن
- ۱۰. روانشناسی دره وهمی؛ چرا چهرههای مصنوعی ما را میترسانند؟
- ۱۱. تنظیمات پنهان در ابزارهای پیشرفته مانند استیبل دیفیوژن
- ۱۲. مقایسه بازیابی کلاسیک دیجیتال با تخیلات عمیق الگوریتمی
- ۱۳. از دست رفتن بافت؛ وقتی پوست شبیه پلاستیک براق میشود
- ۱۴. بازخورد جامعه عکاسان و کارشناسان آرشیو به این فناوری
- ۱۵. آینده بازیابی تصاویر؛ آیا هوش مصنوعی یاد میگیرد دروغ نگوید؟
- ۱۶. راهکار نهایی برای کاربران خانگی؛ تعادل میان وضوح و واقعیت
۱. جادوی سیاه رمینی یا توهم دیجیتال؟
بسیاری از ما با دیدن اولین خروجیهای برنامههای بهبود چهره شگفتزده شدیم و تصور کردیم تکنولوژی به سطح جدیدی از بازسازی اطلاعات دست یافته است. عکس تار و مبهم قدیمی ناگهان به پرترهای شفاف با جزئیاتی خیرهکننده تبدیل میشود که موها و خطوط پوست در آن کاملا واضح هستند. اما این فرآیند شباهت زیادی به کار یک کارآگاه جنایی ندارد که با ذرهبین به دنبال کشف سرنخهای واقعی درون پیکسلها میگردد. در واقع سیستم تلاش نمیکند اطلاعات از دست رفته را بازیابی کند بلکه بخشهای مبهم را حدس میزند. این حدس زدن بر اساس الگوهایی است که پیشتر در دیتابیس عظیم خود آموزش دیده است.
بنابراین ما با یک بازسازی واقعی روبرو نیستیم بلکه یک فیلتر توهمزا روی عکس اعمال میشود. این فیلتر تصاویر قدیمی را با معیارهای زیباییشناسی مدرن بازنویسی میکند. نتیجه نهایی شاید جذاب به نظر برسد اما فرسنگها با واقعیت تاریخی عکس فاصله دارد. این پدیده باعث میشود هویت واقعی افراد در زیر لایههای رندر شده مدفون شود.
۲. موتور محرک توهم؛ شبکههای زایای دشمنگونه چیستند؟
هسته اصلی این فناوری بر پایه شبکههای زایای دشمنگونه یا همان جیایان (GAN) شکل گرفته است که بازیگر اصلی دنیای جعل عمیق هستند. در این سیستم دو شبکه عصبی مختلف به نامهای مولد (Generator) و متمایزکننده (Discriminator) در یک چالش مداوم روبروی یکدیگر قرار میگیرند. کار شبکه اول ساختن تصاویری است که واقعی به نظر برسند و کار شبکه دوم تشخیص فیک بودن این تصاویر از عکسهای واقعی است. این رقابت فرسایشی آنقدر تکرار میشود تا شبکه مولد بتواند تصاویری خلق کند که حتی کارشناسان را هم به اشتباه بیندازد. در فرآیند بازسازی عکس قدیمی این الگوریتم پیکسلهای خراب را به عنوان نقطه شروع در نظر گرفته و یک چهره کاملا جدید بر اساس آموختههایش روی آن نقاشی میکند.
۳. رندر به جای بازیابی؛ حقیقت تلخ پیکسلهای مرده
وقتی یک عکس قدیمی با وضوح پایین در اختیار داریم اطلاعات فیزیکی مربوط به جزئیات چهره عملا وجود ندارند. پیکسلهای مرده و تاریک نمیتوانند به طور جادویی اطلاعاتی مثل شکل دقیق عنبیه یا چروکهای ریز دور چشم را به ما بازگردانند. کاری که هوش مصنوعی انجام میدهد فرآیندی به نام ابروضوح یا سوپر رزولوشن (Super Resolution) است که در اصل نوعی رندر کردن تصویر به حساب میآید. الگوریتم با خود میگوید در این بخش تاریک احتمالا باید یک جفت چشم با مژههای بلند وجود داشته باشد. سپس یک مدل آماده از مژهها و چشمهای باکیفیت را از آرشیو ذهنیاش برمیدارد و روی صورت سوژه پیاده میکند. این کار دقیقا مانند چسباندن تکههای یک پازل جدید روی یک نقاشی قدیمی و کهنه است.
در این فرآیند هیچ اطلاعات واقعی از عکس اصلی استخراج نمیشود و همهچیز زاییده تخیل ریاضی سیستم است. این حقیقت تلخ نشان میدهد که ما عملا در حال تماشای یک پرتره غریبه هستیم که فقط در جایگاه سوژه اصلی نشسته است. به همین دلیل اصالت تاریخی عکس به طور کامل قربانی وضوح ظاهری کار میشود. عکسهای خانوادگی ما به تدریج تبدیل به کاتالوگهای بیروحی از انسانهای بینقص میشوند.
۴. چرا چشمها و دستها به کابوس هوش مصنوعی تبدیل میشوند؟
چشمها و دستها به دلیل پیچیدگیهای هندسی و آناتومیکی فراوان همواره بزرگترین نقطه ضعف سیستمهای یادگیری ماشین بودهاند. چشم انسان دارای جزئیات بینهایت ظریفی مثل انعکاس نور، تقارن مردمک و حالتهای حسی مختلف است که هوش مصنوعی نمیتواند به درستی آنها را شبیهسازی کند. در مورد دستها نیز به دلیل تعداد بالای مفاصل و حالتهای حرکتی گوناگون، الگوریتمها دچار سردرگمی شدید میشوند. به همین علت است که در عکسهای بازسازی شده با رمینی یا نانو بانانا چشمها حالتی شیشهای و بیروح پیدا میکنند یا دستها دارای شش انگشت و دفرمه میشوند. سیستم توانایی درک سهبعدی و فیزیک واقعی این اعضا را ندارد و فقط الگوهای دوبعدی را کنار هم میچیند.
۵. سندروم زیبایی اینستاگرامی؛ وقتی مادربزرگ شبیه مدلها میشود
بسیاری از کاربران گلایه دارند که چرا با وجود تاکید بر حفظ چهره اصلی، باز هم خروجی کار شبیه مدلهای مد روز میشود. دیتابیسهایی که برای آموزش این ابزارها استفاده میشوند عمدتا انباشته از عکسهای باکیفیت آتلیهای، پرتره مدلها و تصاویر سلبریتیهای شبکههای اجتماعی هستند. در نتیجه الگوریتم یاد گرفته است که زیباترین و تمیزترین حالت ممکن برای یک چهره را بازسازی کند. وقتی عکس مادربزرگتان را به برنامه میدهید سیستم چروکهای اصیل و طبیعی پوست او را به عنوان نویز یا خرابی تصویر شناسایی میکند. سپس تلاش میکند این نویزها را پاک کرده و با پوستی صاف و کشیده جایگزین کند.
این فرآیند ناخواسته منجر به حذف تمام ویژگیهای منحصربهفرد چهره افراد قدیمی میشود. خطوط خنده، فرم واقعی لبها و زاویه طبیعی فک جای خود را به استانداردهای زیبایی مدرن میدهند. در نهایت تصویری تحویل میگیرید که شبیه به یک عکس آتلیهای مدرن با نورپردازی مصنوعی است. این سندروم هویت تاریخی و صمیمیت عکسهای خانوادگی قدیمی را کاملا نابود میکند.
۶. پشت پرده تغییر عمدی؛ چرا الگوریتمها ما را زیباتر میخواهند؟
شرکتهای توسعهدهنده این نرمافزارها به خوبی میدانند که کاربران عمومی به دنبال واقعیت مستند نیستند بلکه تصاویری جذاب و بینقص میخواهند. به همین دلیل در طراحی الگوریتمها به طور عمدی گرایشی به سمت زیباسازی، جوانسازی و رفع عیوب ظاهری گنجانده شده است. این تغییرات فانتزی باعث جلب رضایت بیشتر مشتریان غیرحرفهای و در نتیجه افزایش فروش اشتراک اپلیکیشنها میشود. اگر برنامهای عینا همان عکس تار را با کمی وضوح بیشتر ولی با همان چهره خسته و چروکیده تحویل دهد احتمالا امتیاز بالایی در استورها دریافت نخواهد کرد. این بیزنس بر پایه توهم زیبایی بنا شده است و واقعیت در اولویتهای بعدی آن قرار دارد.
۷. معرفی ابزارها؛ کدام هوش مصنوعی کمترین تغییر چهره را اعمال میکند؟
اگر به دنبال حفظ حداکثری اصالت چهره هستید باید دور ابزارهای تککلیکی موبایلی را خط بکشید. ابزارهای پیشرفتهتری نظیر جیافپگان (GFPGAN) و کدفرمر (CodeFormer) که به صورت متنباز ارائه میشوند کنترل بسیار بیشتری روی خروجی به شما میدهند. این ابزارها به شما اجازه میدهند تا میزان تاثیر بازسازی هوش مصنوعی را در مقایسه با عکس اصلی به صورت درصدی تنظیم کنید. همچنین پلتفرمهای تخصصیتری وجود دارند که تمرکز خود را به جای زیباسازی روی بازسازی بافتهای واقعی پوست قرار دادهاند.
با استفاده از این سیستمهای پیشرفته میتوانید وفاداری به چهره اصلی را تا حد زیادی تضمین کنید. این برنامهها به جای کشیدن یک نقاشی جدید تلاش میکنند تا لبههای پیکسلهای موجود را تقویت کنند. البته کار با آنها نیازمند دانش فنی بیشتری است و معمولا به صورت افزونه در نرمافزارهای دیگر استفاده میشوند. با این حال خروجی آنها بسیار طبیعیتر و قابل اعتمادتر از برنامههای تجاری معروف است.
۸. قدرت راهنما؛ استفاده از تصاویر رفرنس برای مهار هوش مصنوعی
یکی از متدهای بسیار کارآمد برای جلوگیری از فانتزی شدن چهرهها استفاده از تصاویر راهنما یا رفرنس (Reference Image) است. در ابزارهای پیشرفته بازسازی تصویر میتوانید یک عکس واضح و باکیفیت دیگر از همان سوژه را به عنوان الگو به هوش مصنوعی معرفی کنید. الگوریتم با تحلیل عکس رفرنس متوجه میشود که فرم واقعی بینی، چشمها و لبهای سوژه در حالت طبیعی چگونه است. با این روش دیگر سیستم نیازی به حدس زدنهای کورکورانه بر اساس دیتابیس عمومی خود ندارد و از ساختار چهره واقعی خود فرد الهام میگیرد. این ترفند به خصوص در بازسازی عکسهای نیمرخ یا تصاویری با نورپردازیهای نامناسب معجزه میکند.
۹. ترفندهای عملی برای حفظ اصالت و جلوگیری از فیک شدن
برای اینکه عکسهای قدیمی شما اصالت خود را حفظ کنند و شبیه به پوسترهای تبلیغاتی نشوند باید از روشهای ترکیبی استفاده کنید. ابتدا عکس را با ابزارهای هوش مصنوعی بهبود دهید اما بلافاصله خروجی را به عنوان نسخه نهایی نپذیرید. این تصویر رندر شده را وارد نرمافزارهای ویرایش عکس نظیر فتوشاپ (Photoshop) کنید و آن را به عنوان یک لایه روی عکس اصلی قرار دهید. سپس با کاهش شفافیت (Opacity) لایه بازسازی شده اجازه دهید بافتها و رنگهای واقعی عکس قدیمی از زیر نمایان شوند.
با این کار تعادلی میان وضوح مصنوعی و جزئیات واقعی قدیمی ایجاد میکنید که بسیار باورپذیرتر است. همچنین میتوانید با ابزار ماسک بخشهایی مثل چشمها و دهان را از عکس اصلی حفظ کنید تا حالت نگاه فرد تغییر نکند. این فرآیند دستی هرچند زمانبر است اما مانع از تبدیل شدن سوژه به یک مدل غریبه میشود. حفظ نویزهای طبیعی عکس نیز به باورپذیری نهایی کار کمک شایانی میکند.
۱۰. روانشناسی دره وهمی؛ چرا چهرههای مصنوعی ما را میترسانند؟
پدیده دره وهمی (Uncanny Valley) زمانی رخ میدهد که یک چهره مصنوعی بسیار به چهره انسان واقعی شبیه میشود اما نقصهای کوچکی در آن وجود دارد که مغز ما آنها را به عنوان یک تهدید یا ناهنجاری شناسایی میکند. چهرههای بازسازی شده با هوش مصنوعی اغلب در این دره سقوط میکنند زیرا بیش از حد متقارن، بدون منفذ پوستی و به شدت صاف هستند. چشمهای این چهرهها فاقد آن درخشش زنده و طبیعی است که در نگاه انسانها دیده میشود. مغز ما به سرعت متوجه این تضاد شده و احساس ناخوشایندی از تماشای تصویر به ما دست میدهد. اینجاست که نوستالژی جای خود را به حس ترس و بیگانگی میدهد.
۱۱. تنظیمات پنهان در ابزارهای پیشرفته مانند استیبل دیفیوژن
در ابزارهای حرفهایتر مانند استیبل دیفیوژن (Stable Diffusion) کنترلهای دقیقی برای مهار زیادهروی هوش مصنوعی وجود دارد. یکی از این تنظیمات مهم پارامتر دنویزینگ (Denoising Strength) است که مشخص میکند الگوریتم تا چه حد اجازه دارد تصویر اولیه را تغییر دهد. مقادیر پایین این پارامتر باعث میشود که هوش مصنوعی فرم کلی و جزئیات اصلی عکس را بدون دستکاری حفظ کند و فقط تاری را از بین ببرد. ابزارهای کمکی دیگری مانند کنترلنت (ControlNet) نیز به شما اجازه میدهند تا خطوط اصلی چهره و آناتومی بدن را قفل کنید.
با قفل کردن این خطوط هوش مصنوعی دیگر نمیتواند فرم فک یا حالت چشمها را به دلخواه خود تغییر دهد. این تنظیمات حرفهای مانع از بروز خطاهای رایج در بازسازی اندامها و لباسها میشوند. هر چند یادگیری این ابزارها زمانبر است اما کیفیت خروجی آنها خستگی کار را از تن به در میکند. برای پروژههای حساس تاریخی استفاده از این روشها تنها راه چاره است.
۱۲. مقایسه بازیابی کلاسیک دیجیتال با تخیلات عمیق الگوریتمی
در روشهای سنتی بازسازی عکس کارشناسان با استفاده از ابزارهای روتوش دستی اقدام به ترمیم شکستگیها و تنظیم کنتراست تصویر میکردند بدون اینکه پیکسلی اضافه بر واقعیت خلق کنند. اما در روش الگوریتمی جدید ما عملا با یک نقاش هوشمند روبرو هستیم که جاهای خالی را با تخیلات خود پر میکند. روش کلاسیک به حقیقت تاریخی وفادار است ولی خروجی آن ممکن است همچنان تار بماند در حالی که روش الگوریتمی تصویری بسیار واضح اما غیرواقعی تحویل میدهد. انتخاب میان این دو روش بستگی به هدف شما دارد؛ آیا به دنبال ثبت حقیقت تاریخ هستید یا میخواهید یک پوستر زیبا برای تماشا داشته باشید؟
۱۳. از دست رفتن بافت؛ وقتی پوست شبیه پلاستیک براق میشود
یکی از بزرگترین مشکلات ابزارهای بازسازی اتوماتیک تبدیل کردن بافتهای طبیعی پوست به سطوح پلاستیکی و براق است. الگوریتمها به دلیل ناتوانی در شبیهسازی دقیق منافذ ریز پوست و موهای ظریف صورت ترجیح میدهند کل سطح را صاف و یکدست کنند. این کار باعث میشود چهرهها شبیه به مجسمههای مومی در موزهها به نظر برسند که زیر نور شدید قرار گرفتهاند. برای حل این مشکل طراحان حرفهای پس از بازسازی تصویر مقداری نویز دیجیتال یا بافت دانه (Grain) به عکس اضافه میکنند.
این بافت مصنوعی باعث فریب چشم بیننده شده و حس یک عکس آنالوگ واقعی را بازسازی میکند. بدون این مرحله کار نهایی به شدت فیک و غیرطبیعی جلوه خواهد کرد. همواره باید به یاد داشت که زیبایی عکسهای قدیمی در نقصها و بافتهای خاص آنها نهفته است. حذف کامل این موارد اصالت عکس را نابود خواهد کرد.
۱۴. بازخورد جامعه عکاسان و کارشناسان آرشیو به این فناوری
موزهها و کارشناسان آرشیوهای تاریخی به شدت با استفاده از ابزارهای هوش مصنوعی زاینده برای ترمیم اسناد تاریخی مخالفت میکنند. آنها معتقدند این ابزارها با تغییر چهرهها و جزئیات واقعی در حال تحریف تاریخ و ایجاد روایتهای جعلی از گذشته هستند. یک سند تصویری تاریخی باید دقیقا همان چیزی را نشان دهد که دوربین ثبت کرده است نه فرضیات یک الگوریتم مدرن آمریکایی یا چینی را. این چالش اخلاقی باعث شده تا استانداردهای جدیدی برای تفکیک عکسهای ترمیم شده دستی از عکسهای رندر شده با هوش مصنوعی تعریف شود تا اصالت منابع تاریخی حفظ گردد.
۱۵. آینده بازیابی تصاویر؛ آیا هوش مصنوعی یاد میگیرد دروغ نگوید؟
محققان در تلاشند تا مدلهای جدیدی از هوش مصنوعی را توسعه دهند که به جای تولید تصاویر فانتزی بر اساس احتمالات ریاضی به فیزیک نور و اپتیک واقعی متعهد باشند. این مدلهای آیندهنگر با تحلیل نحوه پخش شدن نور در لنزهای قدیمی و فرمولاسیون شیمیایی فیلمهای عکاسی تلاش میکنند تصویر را به صورت فیزیکی واپیچش (Deconvolve) کنند. با این روش اطلاعات واقعی تصویر بازیابی میشوند بدون اینکه نیازی به نقاشی کردن چهره جدید وجود داشته باشد.
البته این فناوری هنوز در مراحل اولیه خود قرار دارد و پردازشهای سنگینی را طلب میکند. اما در صورت موفقیت میتوانیم امیدوار باشیم که عکسهای قدیمی بدون از دست رفتن هویت واقعی افراد باکیفیت شوند. این پیشرفت انقلابی بزرگ در زمینه حفظ میراث فرهنگی و خانوادگی به شمار میآید. تا آن زمان باید با احتیاط فراوان از ابزارهای فعلی استفاده کنیم.
۱۶. راهکار نهایی برای کاربران خانگی؛ تعادل میان وضوح و واقعیت
برای کاربران خانگی که میخواهند عکسهای یادگاری خود را زنده کنند بهترین راهکار رعایت اعتدال و استفاده هوشمندانه از ابزارهاست. هیچگاه به یک ابزار یا یک خروجی واحد متکی نباشید و سعی کنید فیلترهای بازسازی را در ضعیفترین حالت ممکن تنظیم کنید. هدف شما باید بهبود خوانایی عکس باشد نه تبدیل کردن آن به یک اثر هنری مدرن و بینقص. با پذیرش نقصهای عکسهای قدیمی و ترکیب هنر دستی با پردازشهای هوش مصنوعی میتوانید تصاویری خلق کنید که هم واضح باشند و هم روح و اصالت گذشته را در خود حفظ کنند.
سوالات متداول
جمعبندی نهایی
بازسازی تصاویر با هوش مصنوعی شمشیر دو لبهای است که مرز میان بازیابی واقعیت و خلق توهم را مخدوش میکند. اگرچه ابزارهایی مانند رمینی و نانو بانانا تصاویری شفاف و جذاب ارائه میدهند، اما با جایگزینی جزئیات خیالی به جای پیکسلهای واقعی، اصالت تاریخی چهرهها را قربانی میکنند. برای حفظ هویت واقعی عزیزانمان در عکسهای قدیمی، باید از ابزارهای پیشرفتهتر با تنظیمات کنترلشده استفاده کنیم و با تلفیق هنر دستی و الگوریتمهای مدرن، تعادلی میان وضوح تصویر و اصالت آن برقرار سازیم تا گذشته را آنگونه که بوده، حفظ کنیم.
با بیش از ۲۰ سال نویسندگی «ترکیبی» مستمر در زمینهٔ پزشکی، فناوری، سینما، کتاب و فرهنگ.
باشد که با هم متفاوت بیاندیشیم!
مطالب مرتبط
