الملخص

أصبحت الإنشاء المتماسك مع الهوية محورًا مهمًا في أبحاث تحويل النص إلى صورة، حيث حققت النماذج الحديثة نجاحًا ملحوظًا في إنتاج صور متناسقة مع هوية مرجعية معينة. ومع ذلك، فإن ندرة المجموعات الكبيرة من البيانات المرتبطة التي تحتوي على صور متعددة لنفس الفرد تجبر معظم النهج على اعتماد تدريب مبني على إعادة البناء. يؤدي هذا الاعتماد غالبًا إلى حالة فشل نسميه "النسخ واللصق"، حيث يقوم النموذج بنسخ الوجه المرجعي مباشرة بدلًا من الحفاظ على الهوية عبر التغيرات الطبيعية في الوضعية أو التعبير أو الإضاءة. ويؤدي هذا التشابه الزائد إلى تقليل التحكم في الناتج ويخفف من القدرة التعبيرية للإنشاء. وللتغلب على هذه القيود، نقدم ما يلي: (1) بناء مجموعة بيانات كبيرة الحجم مرتبطة (MultiID-2M)، مصممة خصيصًا للسياقات متعددة الأشخاص، وتوفر مراجع متنوعة لكل هوية؛ (2) تقديم معيار تقييم يقيس بشكل كمي ظهور عيوب النسخ واللصق، بالإضافة إلى التوازن بين الوفاء بالهوية والتنوع في التغيرات؛ (3) اقتراح نموذج تدريب جديد يعتمد على خسارة هوية تباينية (contrastive identity loss)، يستفيد من البيانات المرتبطة لموازنة الوفاء بالهوية مع التنوّع. تُجسّد هذه المساهمات النموذج التوليدي التفريقي WithAnyone، الذي يقلل بشكل فعّال من ظاهرة النسخ واللصق مع الحفاظ على تشابه عالٍ في الهوية. تُظهر التجارب الكمية والكيفية الواسعة أن WithAnyone يقلل بشكل كبير من عيوب النسخ واللصق، ويحسن التحكم في الوضعية والتعبير، ويُبقي على جودة بصرية قوية. كما تؤكد الدراسات المستخدمية أن منهجنا يحقق وفاءً عالياً بالهوية مع تمكين إنشاء تعبيري وقابل للتحكم.