Diffusion Forcing

يُعد Diffusion Forcing نموذجًا توليديًا متقدمًا تم تقديمه في عام 2024، حيث يدمج بين نقاط قوة التنبؤ التلقائي بالرموز التالية (autoregressive next-token prediction) وانتشار التسلسل الكامل (full-sequence diffusion). من خلال تطبيق مستويات ضوضاء مستقلة ومتغيرة على خطوات مختلفة ضمن التسلسل، تُمكّن هذه التقنية نماذج machine learning من توليد بيانات زمنية متسقة للغاية. وخلافًا للطرق التقليدية التي تتنبأ بالرموز المنفصلة واحدًا تلو الآخر أو تقوم بإزالة الضوضاء من تسلسل كامل في وقت واحد، يقوم Diffusion Forcing بتدريب النماذج لتعمل كمخططات قوية ومولدات تسلسل، مما يتيح التعامل مع الحالات المستمرة ذات التبعيات المعقدة وطويلة المدى.

Link to this sectionكيف يعمل Diffusion Forcing#

في جوهره، يستلهم Diffusion Forcing أفكاره من تقنية teacher forcing الكلاسيكية المستخدمة في الشبكات العصبية المتكررة. ومع ذلك، فبدلاً من تغذية النموذج برموز منفصلة للحقيقة الأرضية (ground-truth) للتنبؤ بالخطوة التالية، فإنه يقوم بتغذية تواريخ مستمرة مشوبة جزئيًا بالضوضاء إلى نموذج Transformer سببي (causal transformer). يتعلم النموذج إزالة الضوضاء من الحالة الحالية بناءً على الماضي. وهذا يسمح للشبكة بتعديل مستوى الضوضاء ديناميكيًا لكل إطار، مما يوفر إطار عمل مرنًا للمهام التي تتطلب دقة محلية ووعيًا زمنيًا واسعًا في آن واحد.

تعتبر هذه المقاربة مفيدة للغاية عند بناء AI agents ذكية يجب أن تتفاعل مع بيئات غير متوقعة مع الالتزام بخطة طويلة الأجل، مما يتجاوز مشاكل الأخطاء التراكمية الموجودة غالبًا في النماذج التلقائية القياسية.

Link to this sectionتطبيقات العالم الحقيقي#

يكتسب Diffusion Forcing زخمًا سريعًا في العديد من مجالات artificial intelligence المعقدة:

• Robotics and Visuo-Motor Control: تستخدم الأذرع الروبوتية المستقلة وأنظمة القيادة الذاتية تقنية Diffusion Forcing لتوليد خطط مسار سلسة ومستمرة. ومن خلال التنبؤ بتسلسلات أوامر المحرك المستمرة، يمكن للروبوتات التكيف مع العوائق الديناميكية مع الحفاظ على مسار مستقر نحو هدفها.
• Video Generation and Forecasting: في خطوط أنابيب computer vision المتقدمة، تستفيد النماذج من هذه التقنية للتنبؤ بإطارات الفيديو المستقبلية مع اتساق زمني صارم، مما يتجنب آثار الوميض التي تظهر عادةً في أساليب التوليد السابقة.

Link to this sectionDiffusion Forcing مقابل نماذج الانتشار القياسية#

على الرغم من اشتراكهما في آلية أساسية لإزالة الضوضاء، إلا أن Diffusion Forcing يختلف اختلافًا جوهريًا عن Diffusion Models القياسية. فنماذج الانتشار التقليدية، مثل تلك المستخدمة لتوليد text-to-image، تقوم عادةً بإزالة الضوضاء من جميع البكسلات أو المتغيرات الكامنة لمخرج ثابت واحد في وقت واحد. في المقابل، يقوم Diffusion Forcing بنمذجة سلسلة زمنية بشكل صريح، مما يجبر الشبكة على احترام ترتيب التسلسل السببي. وهذا يجعله أكثر ملاءمة للمهام الزمنية مثل التنبؤ بالمسار وaction recognition.

Link to this sectionدمج معالجة التسلسل في الممارسة العملية#

بينما ينطبق Diffusion Forcing في المقام الأول على مهام التسلسل التوليدي، فإن تفسير التسلسلات الزمنية يعد أمرًا بالغ الأهمية بنفس القدر في خطوط أنابيب الرؤية الحديثة. على سبيل المثال، يمكنك تتبع الكائنات بكفاءة عبر إطارات الفيديو المتسلسلة باستخدام Ultralytics YOLO26، الذي يتعامل مع الاتساق الزمني بشكل أصيل أثناء object tracking.

from ultralytics import YOLO

# Load the recommended Ultralytics YOLO26 model for high-speed inference
model = YOLO("yolo26n.pt")

# Process a temporal sequence (video) to maintain consistent object identities
results = model.track(source="path/to/video.mp4", stream=True)

# Iterate through the sequence of frames
for frame_result in results:
    # Access temporal tracking IDs for objects in the current state
    print(f"Tracked {len(frame_result.boxes)} objects in the current frame.")

بالنسبة للفرق التي تتطلع إلى توسيع نطاق جمع بيانات التسلسل وتدريب نماذج رؤية متقدمة، توفر Ultralytics Platform أدوات سحابية قوية لإدارة مجموعات البيانات المعقدة، وتتبع التجارب، ونشر النماذج محليًا على الحافة. سواء كنت تجرب أحدث transformers السببية في PyTorch أو تنشر أنظمة تتبع في الوقت الفعلي، فإن إتقان تقاطع البيانات المكانية والزمانية أمر ضروري لمستقبل الذكاء الاصطناعي.