الملخص

تصحيح الصور أصبح جزءًا لا يتجزأ من سرد القصص البصرية المعاصر، مما يمكّن المستخدمين من التقاط الجماليات وتعبير الإبداع. بينما تقدم الأدوات الاحترافية مثل Adobe Lightroom قدرات قوية، فإنها تتطلب خبرة كبيرة وجهدًا يدويًا. على الجانب الآخر، توفر الحلول القائمة على الذكاء الاصطناعي التلقائية ولكن غالبًا ما تعاني من محدودية التعديل وعدم جودة التعميم، مما يجعلها غير قادرة على تلبية الاحتياجات المتنوعة والمخصصة للتحرير. لسد هذه الفجوة، نقدم JarvisArt، وهو وكيل مدفوع بنموذج لغوي متعدد الوسائط (MLLM) يفهم نوايا المستخدم ويقلد عملية التفكير للمحترفين في الفنون ويقوم بإدارة ذكية لأكثر من 200 أداة تصحيح داخل Lightroom. يخضع JarvisArt لعملية تدريب ثنائية المرحلة: تعديل دقيق مشرف عليه في مرحلة أولى لتأسيس مهارات التفكير الأساسية واستخدام الأدوات، ثم تحسين السياسة النسبية لمجموعات التصحيح (GRPO-R) في مرحلة ثانية لتعزيز قدراته في اتخاذ القرارات وإتقان الأدوات. كما نقترح بروتوكول وكيل إلى Lightroom لتسهيل الاندماج السلس مع البرنامج. لتقييم الأداء، طوّرنا MMArt-Bench، وهو مقاييس جديد تم بناؤه من تعديلات المستخدمين الحقيقية في العالم الحقيقي. يظهر JarvisArt تفاعلًا سهل الاستخدام وتعميمًا أفضل وتحكمًا دقيقًا في التعديلات العالمية والمحليّة، مما يفتح طريقًا جديدًا للتصحيح الذكي للصور. بشكل ملحوظ، يتميز بأداء أفضل بنسبة 60٪ في المقاييس البكسلية المتوسطة على MMArt-Bench فيما يتعلق بالوفاء بالمحتوى، مع الحفاظ على قدرات مماثلة في اتباع التعليمات. صفحة المشروع: https://jarvisart.vercel.app/.