ترخيص YOLO
العودة إلى مسرد Ultralytics

Consistency Models

تحوّل نماذج الاتساق أي نقطة مشوشة على مسار الانتشار مباشرةً إلى بيانات نقية، ما يتيح لها توليد الصور بخطوة واحدة أو خطوتين. تعرّف على آلية تدريبها.

نموذج الاتساق هو نموذج ذكاء اصطناعي توليدي يحوّل أي نقطة على مسار إزالة الضوضاء لنموذج انتشار مباشرةً إلى نقطة البداية النظيفة لذلك المسار، وبذلك يستطيع تحويل الضوضاء النقية إلى عينة بتقييم واحد للشبكة. وتصل نماذج الانتشار إلى النتيجة نفسها بإزالة الضوضاء عبر عشرات إلى مئات الخطوات الصغيرة، ما يجعلها بطيئة في الاستدلال في الزمن الحقيقي. وقد قدّم Yang Song وPrafulla Dhariwal وMark Chen وIlya Sutskever في OpenAI نماذج الاتساق في مارس 2023 ضمن ورقة نماذج الاتساق، وذكروا درجات مسافة Fréchet Inception (FID) لتقييم الجودة بخطوة واحدة بلغت 3.55 على CIFAR-10 و6.20 على ImageNet 64 x 64، وهي أفضل نتائج بخطوة واحدة في ذلك الوقت.

خاصية الاتساق#

يمكن كتابة أخذ عينات الانتشار على هيئة معادلة تفاضلية عادية (ODE) لتدفق الاحتمالات، تربط كل عينة ضوضاء بعينة بيانات واحدة بالضبط على طول مسار حتمي. وتشترك جميع النقاط على هذا المسار، من الضوضاء الخفيفة إلى الضوضاء النقية، في الأصل نفسه. وتأخذ دالة الاتساق f(x, t) نقطة x عند مستوى الضوضاء t وتعيد نقطة الأصل، ويعني الاتساق الذاتي أنها تعيد المخرج نفسه لجميع نقاط المسار الواحد. وعند أدنى مستوى للضوضاء، يجب أن تعيد الدالة مدخلها دون تغيير؛ وهو شرط حدّي مدمج في الشبكة عبر وصلة تخطٍّ يكون وزنها على المدخل 1 عند ذلك المستوى، ووزنها على مخرجات الشبكة العصبية صفرًا.

لدالة الاتساق صيغة مغلقة للبيانات الغاوسية أحادية البعد، توضح الخاصيتين في بضعة أسطر من PyTorch:

import torch

torch.manual_seed(0)
mu, s, T = 2.0, 0.5, 80.0  # data distribution N(2, 0.5^2); noise levels run from 0 to T = 80


def consistency_fn(x, t):
    """Exact consistency function for Gaussian data: map x at noise level t to its trajectory's clean origin."""
    return mu + (x - mu) * s / (s**2 + t**2) ** 0.5


# Points on one probability-flow ODE trajectory, from the clean sample 2.6 out to pure noise
t = torch.tensor([0.0, 1.0, 10.0, 80.0])
x_t = mu + (2.6 - mu) * (s**2 + t**2) ** 0.5 / s
print("x_t:      ", x_t.numpy().round(2))
print("f(x_t, t):", consistency_fn(x_t, t).numpy().round(2))

# One-step generation: draw noise at t = T and map it to data with a single call
samples = consistency_fn(T * torch.randn(100_000), T)
print(f"One-step samples: mean {samples.mean():.2f}, std {samples.std():.2f}")

تعود النقاط الأربع على المسار، عند 2.6 و3.34 و14.01 و98.0، جميعها إلى 2.6، ويحوّل استدعاء واحد 100,000 سحبة من ضوضاء نقية إلى عينات بمتوسط 1.99 وانحراف معياري 0.50، بما يطابق توزيع البيانات. ولا توجد صيغة مماثلة للصور، لذا تتعلم الشبكة f من البيانات.

التدريب بالتقطير أو من الصفر#

  • تقطير الاتساق: ينقل نموذج انتشار مدرّب مسبقًا ومحلّل ODE عينة مشوشة خطوةً واحدة إلى مستوى ضوضاء أقل، وتسحب دالة الخسارة مخرجات النموذج عند النقطتين نحو بعضها.
  • تدريب الاتساق: لا يحتاج إلى نموذج معلّم. وينشئ نقطتين متجاورتين بإضافة عينة الضوضاء نفسها إلى صورة نظيفة واحدة عند مستويين للضوضاء، ما يقدّر المسار دون حل معادلة ODE.

في الورقة الأصلية، جاءت المخرجات عند النقطة الأقل ضوضاءً من متوسط أسي متحرك (EMA) لأوزان النموذج نفسه، أي نسخة محدّثة ببطء تمنع الهدف من التغير في كل خطوة. ويحافظ Ultralytics YOLO26 على النوع نفسه من المتوسط أثناء التدريب: إذ يحدّث نسخة EMA من النموذج بعد كل خطوة للمحسّن، مع اضمحلال يرتفع تدريجيًا إلى 0.9999، وتستخدم كل من عملية التحقق ونقطتا التحقق المحفوظتان last.pt وbest.pt تلك النسخة. وجعل التدريب المحسّن للاتساق (iCT) الذي أجراه Song وDhariwal في أكتوبر 2023 اضمحلال EMA للنسخة الهدف صفرًا، واستبدل خسارة الإدراك LPIPS بخسارة Pseudo-Huber، وحقق درجات FID بخطوة واحدة بلغت 2.51 على CIFAR-10 و3.25 على ImageNet 64 x 64 دون نموذج انتشار مدرّب مسبقًا. ووسّع sCM المستمر زمنيًا، الذي وضعه Cheng Lu وYang Song، النهج إلى 1.5 مليار معلمة في أكتوبر 2024، محققًا درجة FID من خطوتين قدرها 1.88 على ImageNet 512 x 512.

أخذ العينات متعدد الخطوات والتحرير دون أمثلة#

تعطي الخطوة الواحدة أسرع عينة، وترفع بضع خطوات إضافية الجودة. ويتناوب أخذ العينات متعدد الخطوات بين القفز إلى البيانات النظيفة وإعادة إضافة الضوضاء عند مستوى أقل، بحيث تنقح كل تمريرة التقدير السابق:

تتيح الحلقة نفسها تحرير الصور دون تدريب خاص بالمهمة. إذ يؤدي استبدال البكسلات المعروفة بعد كل قفزة إلى تحويلها إلى إكمال الصور، كما يؤدي تقييد نسخة مصغّرة أو رمادية إلى تحويلها إلى رفع الدقة أو تلوين الصور؛ وقد عرضت الورقة الأصلية التطبيقات الثلاثة.

  • نماذج الاتساق الكامن (LCMs): تقطّر Stable Diffusion إلى نموذج يعمل في فضائه الكامن، لتتيح توليد النص إلى الصورة بخطوة إلى أربع خطوات في النماذج المفتوحة، وذلك في أكتوبر 2023.
  • سياسات الانتشار: وحدات تحكم روبوتية تزيل الضوضاء من تسلسلات الأفعال. وقد قطّرها Aaditya Prasad وزملاؤه في Stanford وPrinceton إلى سياسة اتساق عام 2024، ما سرّع الاستدلال بمقدار رتبة عشرية مقارنةً بأسرع بديل، وشغّلها على وحدة GPU محمولة.
  • التدفق المصحح: يجعل مسارات الضوضاء إلى البيانات أكثر استقامة، كي يحتاج محلّل ODE العادي إلى خطوات قليلة.
  • التقطير التدريجي: تعمل طريقة Tim Salimans وJonathan Ho لعام 2022 على خفض عدد خطوات نموذج الانتشار إلى النصف في كل جولة تقطير، لتصل إلى 4 خطوات بعد جولات عديدة، بينما يدرّب تقطير الاتساق النموذج على قفزة مباشرة من خطوة واحدة.

استكشف الحلول

الرؤية الحاسوبية في الرياضة

الرؤية الحاسوبية في الرياضة

اكتشف كيف يعزّز Ultralytics YOLO الرؤية الحاسوبية الرياضية عبر تتبّع اللاعبين والكرة، وتحليلات الأداء، ورؤى التدريب، وإعادة تأهيل الرياضيين.
معرفة المزيد
الرؤية الحاسوبية للصور الجوية

الرؤية الحاسوبية للصور الجوية

حوّل صور الطائرات المسيّرة والصور الجوية إلى رؤى آنية للزراعة وتربية الأحياء المائية والحفاظ على البيئة والتحليل الجغرافي المكاني باستخدام Ultralytics YOLO.
معرفة المزيد
الرؤية الحاسوبية في قطاع الطيران والفضاء

الرؤية الحاسوبية في قطاع الطيران والفضاء

طبّق الرؤية الحاسوبية في مجال الطيران والفضاء باستخدام Ultralytics YOLO لفحص الطائرات، واكتشاف الأجسام الغريبة على المدارج (FOD)، والعمليات الأرضية في المطارات، واكتشاف عيوب المواد المركّبة.
معرفة المزيد
الرؤية الحاسوبية في مجال الأمن

الرؤية الحاسوبية في مجال الأمن

احمِ كل موقع باستخدام نماذج Ultralytics YOLO. يدعم الذكاء الاصطناعي البصري مراقبة المحيط، واكتشاف التهديدات، والتعرف على لوحات المركبات، والسلامة في مكان العمل.
معرفة المزيد
الرؤية الحاسوبية في الروبوتات

الرؤية الحاسوبية في الروبوتات

عزّز أداء الآلات الذكية باستخدام نماذج Ultralytics YOLO. يدعم الذكاء الاصطناعي البصري في الروبوتات الملاحة الذاتية والإدراك وتعقب الأجسام والتحكم الآني.
معرفة المزيد
الرؤية الحاسوبية في الخدمات اللوجستية

الرؤية الحاسوبية في الخدمات اللوجستية

بسّط العمليات اللوجستية باستخدام نماذج Ultralytics YOLO. يتيح الذكاء الاصطناعي البصري فحص الطرود وفرزها وتتبع المركبات ومراقبة سلامة المستودعات في الوقت الفعلي.
معرفة المزيد
الرؤية الحاسوبية في تجارة التجزئة

الرؤية الحاسوبية في تجارة التجزئة

أعِد تصور تجارة التجزئة باستخدام نماذج Ultralytics YOLO. يتيح الذكاء الاصطناعي البصري تتبع المخزون ومراقبة الرفوف وإدارة الطوابير واستخلاص رؤى أذكى عن العملاء.
معرفة المزيد
الرؤية الحاسوبية في الرعاية الصحية

الرؤية الحاسوبية في الرعاية الصحية

أنشئ حلولًا للرعاية الصحية باستخدام نماذج Ultralytics YOLO. يعزز الذكاء الاصطناعي البصري في الرعاية الصحية سرعة التصوير الطبي، وكفاءة التشخيص، ومراقبة المرضى.
معرفة المزيد
الرؤية الحاسوبية في التصنيع

الرؤية الحاسوبية في التصنيع

حسّن التصنيع باستخدام نماذج Ultralytics YOLO. يعزز الذكاء الاصطناعي للرؤية مراقبة الجودة واكتشاف العيوب والالتزام بمعدات الوقاية الشخصية وأتمتة خطوط التجميع.
معرفة المزيد
الرؤية الحاسوبية في قطاع السيارات

الرؤية الحاسوبية في قطاع السيارات

طبّق الرؤية الحاسوبية في قطاع السيارات باستخدام نماذج Ultralytics YOLO. يعزز الذكاء الاصطناعي للرؤية سلامة الطرق ومساعدة السائق وأتمتة المركبات لإنشاء طرق أكثر ذكاءً.
معرفة المزيد
الرؤية الحاسوبية في الزراعة

الرؤية الحاسوبية في الزراعة

أدخل الذكاء الاصطناعي البصري إلى الزراعة الذكية باستخدام نماذج Ultralytics YOLO. عزّز مراقبة المحاصيل وتتبع الماشية والزراعة الدقيقة لزيادة الإنتاجية وتحسينها.
معرفة المزيد

لنبنِ مستقبل الذكاء الاصطناعي معًا!

ابدأ رحلتك نحو مستقبل تعلّم الآلة