شاهکار مدل ۶ میلیاردی Ming-Image در طراحی رابط کاربری؛ شکست غول‌های ۲۰ میلیاردی در بنچمارک UI/UX!

تمرکز مدل ۶ میلیاردی Ming-Image روی طراحی گرافیکی پر از متن

استارتاپ InclusionAI که قبلاً خانواده مدل‌های Ling و Ming رو توسعه داده بود، حالا وزن‌های مدل Ming-Image رو تحت مجوز متن‌باز و محبوب MIT منتشر کرده است. این مدل متن‌به‌تصویرِ ۶ میلیارد پارامتری، به‌طور تخصصی برای طراحی نمایشگرهای اپلیکیشن، داشبوردهای مدیریتی، پوسترها، اینفوگرافیک‌ها و ترکیب‌بندی‌هایی آموزش دیده که تایپوگرافی و ساختار چیدمان منظمی نیاز دارند.

مدل‌های همه‌منظوره تولید تصویر معمولاً تو خوانا نگه‌داشتن نوشته‌های ریز و تراز کردن اجزای مختلف رابط کاربری در ابعاد صفحه حسابی به مشکل می‌خورند. اما Ming-Image-0.1-Design دقیقاً برای حل همین دردسرها طراحی شده و علاوه بر اون، از خروجی RGBA همراه با کانال آلفا (پس‌زمینه کاملاً شفاف) پشتیبانی می‌کنه. این یعنی طراحان و توسعه‌دهنده‌ها می‌تونند انواع آیکون‌ها، نشان‌ها و المان‌های گرافیکی رو بدون نیاز به ابزارهای جداگانه برای حذف پس‌زمینه، مستقیم وارد جریان کاری طراحی خودشون کنند.

صدرنشینی مقتدرانه در بنچمارک UI و UX

پلتفرم ارزیابی Artificial Analysis در جدیدترین رده‌بندی منتشرشده برای طراحی رابط و تجربه کاربری (UI/UX)، مدل Ming-Image-0.1-Design رو در جایگاه نخست مدل‌های وزن‌باز (Open-Weight) قرار داده است. این بنچمارک با استفاده از نظرسنجی‌های کورکورانه، مقایسه‌های ترجیحی و امتیازدهی مبتنی بر Elo، خروجی طراحی‌ها رو در کنار مدل‌های بزرگ‌تر تجاری و متن‌باز می‌سنجه؛ البته امتیازهای Elo نسبت به جامعه مدل‌های تست‌شده محاسبه می‌شه و ممکنه با اضافه شدن مدل‌ها و آرای جدید تغییر کنه.

رعایت دقیق تایپوگرافی و حفظ چیدمان، این حوزه رو به یکی از سخت‌ترین چالش‌ها تبدیل کرده؛ چون کوچک‌ترین ایراد در تیترها، برچسب‌ها، نمودارها، منوها و خطوط تراز به‌شدت توی چشم می‌زنه. به همین خاطر، درخشش این مدل با جثه ۶ میلیاردی در برابر رقبای غول‌پیکر رده ۲۰ میلیاردی، دستاورد بسیار ارزشمندی به حساب میاد؛ هرچند الزامات نهایی پیاده‌سازی و اجرای اون به ساختار پردازشی و رزولوشن خروجی مورد نظر بستگی خواهد داشت.