دسترسی به ۲۸۷۸ تصویر مرجع بدن برای هوش مصنوعی با پروژه AI Pose Gallery
AI Pose Gallery: این مجموعه که بر اساس داده‌های ژاپنی بومی‌سازی شده، شامل ۲۸۸ گروه حرکتی در ۵ زاویه دید (روبرو، نیم‌رخ، تمام‌رخ، دید از بالا و پایین) است.
خلاصه
پروژه ai-pose-gallery-zh یک مخزن غنی شامل ۱۴۳۹ تصویر مرجع ژست بدن (در دو نسخه اصلی و بندانگشتی) است که مجموعاً ۲۸۷۸ فایل تصویری را در اختیار هنرمندان قرار می‌دهد. این مجموعه که بر اساس داده‌های ژاپنی بومی‌سازی شده، شامل ۲۸۸ گروه حرکتی در ۵ زاویه دید (روبرو، نیم‌رخ، تمام‌رخ، دید از بالا و پایین) است. هدف اصلی این پروژه، ارائه یک گالری سبک و بدون وابستگی برای بهبود دقت در طراحی‌های سه‌بعدی، عکاسی و به‌ویژه تولید تصویر با هوش مصنوعی است.
چرا هنرمندان هوش مصنوعی به بانک ژست نیاز دارند؟
یکی از بزرگ‌ترین چالش‌ها در کار با مدل‌های تصویرساز هوش مصنوعی، کنترل دقیق وضعیت بدن و زاویه دوربین است. بسیاری از کاربران برای رسیدن به یک فیگور خاص مجبور به صرف زمان زیاد و نوشتن پرامپت‌های پیچیده هستند. پروژه AI Pose Gallery که در تاریخ ۵ آبان ۱۴۰۵ به‌روزرسانی شده، این مشکل را با ارائه یک «استاندارد بصری» حل می‌کند. شما می‌توانید ژست مورد نظر خود را از میان دسته‌بندی‌های متنوع (از حرکات روزمره تا فیگورهای اکشن) انتخاب کرده و از آن به عنوان مرجع در ابزارهایی مانند ControlNet استفاده کنید.
این گالری به صورت یک صفحه وب ایستا (Static) طراحی شده که هیچ وابستگی سنگینی به دیتابیس ندارد و به راحتی روی گوشی و دسکتاپ قابل اجراست. در بستر هوش مصنوعی نهال که امکان دسترسی به مدل‌های پیشرفته بین‌المللی را فراهم می‌کند، داشتن چنین منابعی می‌تواند کیفیت خروجی‌های تصویری شما را به سطح حرفه‌ای برساند.
قابلیت‌های فنی و ساختار گالری
این پروژه فراتر از یک پوشه ساده حاوی عکس است. توسعه‌دهنده با استفاده از اسکریپت‌های پایتون، کل داده‌های منبع را بهینه‌سازی کرده است:
- بومی‌سازی کامل: تمام متادیتای ژاپنی به زبان چینی (و قابل ترجمه به فارسی) تبدیل شده تا جست‌وجو بر اساس کلمات کلیدی میسر باشد.
- طراحی پاسخ‌گو: گالری به گونه‌ای طراحی شده که در موبایل به صورت دو ستونه و در دسکتاپ به صورت چند ستونه نمایش داده شود.
- سیستم فیلتر پیشرفته: امکان تفکیک ژست‌ها بر اساس زاویه دید (مثلاً فقط دید از بالا) یا دسته‌بندی‌های موضوعی.
- یکپارچگی با ایجنت‌ها: این پروژه دارای ۵ مهارت (Skill) اختصاصی برای دستیارهای هوشمند مانند Claude Code است که به ایجنت اجازه می‌دهد مستقیماً بر اساس نام ژست، تصویر مرجع را برای کاربر پیدا کند.
چطور از این گالری در پروژه‌های خود استفاده کنیم؟
برای استفاده محلی، کافی است مخزن را از گیت‌هاب کلون کرده و یک سرور محلی ساده با پایتون اجرا کنید. تصاویر در دو فرمت JPG (برای پیش‌نمایش سریع) و PNG (با کیفیت ۹۰۰ در ۱۲۰۰ برای استفاده حرفه‌ای) در دسترس هستند. اگر به عنوان یک طراح در ایران فعالیت می‌کنید، می‌توانید این تصاویر را به عنوان لایه راهنما در فتوشاپ یا به عنوان ورودی Canny/Depth در مدل‌های هوش مصنوعی به کار بگیرید تا آناتومی خروجی شما کاملاً دقیق و بدون نقص باشد.
نکات کلیدی
- تنوع بصری: شامل ۱۴۳۹ تصویر منحصر‌به‌فرد در ۵ زاویه مختلف برای پوشش تمام نیازهای پرسپکتیو.
- حجم بهینه: کل مجموعه حدود ۶۶۰ مگابایت فضا اشغال می‌کند که برای یک بانک تصویر با این ابعاد بسیار ناچیز است.
- دسترسی آفلاین: پس از دانلود، تمام گالری بدون نیاز به اینترنت و از طریق مرورگر قابل استفاده است.
- پشتیبانی از کیبورد: امکان جابه‌جایی بین ژست‌ها با کلیدهای جهت‌نما و بستن پنجره‌ها با کلید Esc برای سرعت عمل بیشتر.
- مجوز استفاده: کدها تحت مجوز MIT هستند، اما حق کپی‌رایت تصاویر متعلق به پدیدآورنده اصلی (Gear) است و باید در موارد تجاری لحاظ شود.
منبع: github.com