CtrlVTON يحوّل تجربة الملابس الافتراضية من تخمين إلى تحرير دقيق بالبكسل

عندما تصبح المقاسات قرار المستخدم لا تخمين النموذج

معظم أنظمة تجربة الملابس الافتراضية (Virtual Try-On) لا تزال تتعامل مع مسألة "كيف يقع الثوب على الجسد" كصندوق أسود: تُدخل صورة الشخص وصورة القطعة، وتترك للنموذج مهمة استنتاج طريقة التدرّج والانسدال. إطار عمل بحثي جديد يُدعى CtrlVTON يقلب هذه المعادلة رأسًا على عقب، معتبرًا أن المهمة ليست توليدًا عشوائيًا بل عملية تحرير صور قابلة للتحكم (Controllable Image Editing)، يملك فيها المستخدم, وليس النموذج, القرار النهائي بشأن شكل الملبس على الجسد.

الورقة البحثية، التي قُدّمت إلى أرشيف الأبحاث (arXiv) في 10 يوليو 2026 وصُنّفت تحت تصنيفي رؤية الحاسوب والتعرف على الأنماط (cs.CV) والذكاء الاصطناعي (cs.AI)، تمنح المستخدم سلطة مباشرة على حجم الملبس، فيمكنه الاختيار بين قصّة فضفاضة أو ضيقة، وتحديد تفاصيل التنسيق كإدخال القميص أو تركه خارجًا، أو فتح الملبس أو إغلاقه، إضافة إلى التحكم بالموضع المكاني الدقيق على الجسد. وبدلًا من ترك الشبكة العصبية تستنتج هذه التفاصيل من صورة مرجعية واحدة، يستخدم النظام أقنعة التجزئة (Segmentation Masks) لتحديد تخطيط الملبس على مستوى البكسل، وهو ما يمنح المستخدم عمليًا مجموعة من أدوات التحرير بدل مخرج تلقائي واحد لا يمكن التحكم به.

الدقة على مستوى القطعة الواحدة مع VIP-SAM

حجر الأساس في هذا الإطار هو نظام VIP-SAM، اختصارًا لـ"تجزئة موجّهة بالمثال البصري" (Visual-Instance-Prompt Segmentation). وعلى عكس التجزئة التقليدية على مستوى الفئة، التي قد تكتفي بتصنيف عنصر ما على أنه "قميص" أو "سترة" بشكل عام، يقوم VIP-SAM بعزل القطعة المحددة الموجودة فعليًا في الصورة. هذا الفارق جوهري في تطبيقات تجربة الملابس، حيث قد تحتوي الصورة الواحدة على عدة قطع متراكبة، أو أطقم متعددة الطبقات، أو ملابس يحجب جزءًا منها إكسسوار ما. فتجزئة القطعة الدقيقة بدل الفئة العامة هي ما يمنح CtrlVTON الدقة اللازمة لتطبيق تعديلات التخطيط دون التأثير على بقية عناصر الصورة.

تفوّق على الأنظمة المملوكة في الالتزام بالتخطيط

يذكر الباحثون أن الصور التي يولّدها CtrlVTON تلتزم بتخطيطات المستخدم بدقة أعلى من أقوى أنظمة التحرير المملوكة (Proprietary) المتوفرة حاليًا، مع الحفاظ على مستوى مماثل من الدقة في تمثيل الملبس نفسه، أي أن الثوب يبقى مطابقًا بصريًا لمصدره الأصلي. هذا التوازن يستحق التوقف عنده، لأن التحكم بالتخطيط والدقة البصرية غالبًا ما يتعارضان: تشديد القيود على الموضع قد يشوّه النقش أو نسيج الملبس، والعكس صحيح أيضًا. وإذا ثبتت هذه النتائج عند اختبارها من جهات مستقلة، فسيمثّل CtrlVTON خطوة مهمة نحو أدوات تجربة افتراضية تعمل كبرمجيات تصميم حقيقية، لا كخطوط توليد مغلقة يصعب فهم آلية عملها.

بالنسبة لمنصات التجارة الإلكترونية وشركات تقنيات الأزياء، الفائدة واضحة ومباشرة. المرتجعات الناتجة عن سوء توقع المقاس لا تزال أحد أكبر بنود التكلفة المزمنة في تجارة الملابس عبر الإنترنت، ونظام تجربة يتيح للمتسوّق ضبط المقاس والتنسيق بنفسه قد يقلّص الفارق بين ما يراه العميل على الشاشة وما يستلمه فعليًا في الصندوق. بنية النظام القائمة على التجزئة تفتح الباب أيضًا أمام استخدامات مجاورة، مثل تبديل الملابس في مقاطع الفيديو، أو معالجة صور الكتالوجات بالجملة وفق قواعد تنسيق موحّدة.

لم تكشف المواد المتاحة عن أي كود تنفيذي، أو مجموعات بيانات للاختبار المرجعي (Benchmark Datasets)، أو شروط ترخيص، ويبقى العمل في مرحلة الورقة البحثية دون أن يتحول بعد إلى منتج جاهز للاستخدام.