Diffusion Models

تعتبر نماذج الانتشار فئة من خوارزميات الذكاء الاصطناعي التوليدي التي تتعلم كيفية إنشاء عينات بيانات جديدة عن طريق عكس عملية إضافة ضوضاء تدريجية. وعلى عكس النماذج التمييزية التقليدية المستخدمة لمهام مثل اكتشاف الكائنات أو التنيف، والتي تتنبأ بالتسميات من البيانات، تركز نماذج الانتشار على توليد محتوى عالي الدقة - وأبرزها الصور، والصوت، والفيديو - والذي يحاكي بدقة الخصائص الإحصائية لبيانات العالم الحقيقي. وقد أصبحت سريعاً الحل الأحدث لتخليق الصور عالية الدقة، متجاوزة القادة السابقين مثل الشبكات التنافسية التوليدية (GANs) نظراً لاستقرار تدريبها وقدرتها على توليد مخرجات متنوعة.

كيف تعمل نماذج الانتشار#

تعتمد الآلية الأساسية لنموذج الانتشار على الديناميكا الحرارية غير المتوازنة. تتضمن عملية التدريب مرحلتين متميزتين: العملية الأمامية (الانتشار) والعملية العكسية (إزالة الضجيج).

• عملية التوجيه الأمامي: تدمر هذه المرحلة بشكل منهجي بنية صورة التدريب عن طريق إضافة كميات صغيرة من ضوضاء غاوسية عبر سلسلة من خطوات الوقت. ومع استمرار العملية، تتحول البيانات المعقدة (مثل صورة لقطة) تدريجياً إلى ضوضاء عشوائية نقية وغير مهيكلة.
• عملية العكس: هدف الشبكة العصبية هو تعلم كيفية عكس هذا الفساد. بدءاً من الضوضاء العشوائية، يتنبأ النموذج بالضوضاء التي تمت إضافتها في كل خطوة ويطرحها. ومن خلال إزالة الضوضاء تكرارياً، يقوم النموذج "بإزالة الضوضاء" من الإشارة العشوائية حتى تظهر صورة متماسكة وعالية الجودة.

يسمح هذا التحسين التكراري بتحكم استثنائي في التفاصيل الدقيقة والملمس، وهو ميزة كبيرة مقارنة بطرق التوليد أحادية الخطوة.

تطبيقات العالم الحقيقي#

لقد انتقلت نماذج الانتشار إلى ما وراء الأبحاث الأكاديمية لتصبح أدوات عملية جاهزة للإنتاج عبر مختلف الصناعات.

• توليد البيانات الاصطناعية: يُعد أحد أكثر التطبيقات قيمة لمهندسي رؤية الكمبيوتر هو إنشاء بيانات اصطناعية لزيادة مجموعات بيانات التدريب. إذا كانت مجموعة البيانات تفتقر إلى التنوع - على سبيل المثال، افتقاد صور للسيارات في ظروف ثلجية - يمكن لنموذج الانتشار توليد تنوعات واقعية. يساعد هذا في تحسين متانة نماذج الرؤية مثل YOLO26 عند نشرها في بيئات غير متوقعة.
• إصلاح الصور وتعديلها (Inpainting): تعمل نماذج الانتشار على تشغيل أدوات تعديل متقدمة تسمح للمستخدمين بتعديل مناطق محددة من الصورة. هذه التقنية، المعروفة باسم الإصلاح (inpainting)، يمكنها إزالة كائنات غير مرغوب فيها أو ملء الأجزاء المفقودة من الصورة بناءً على السياق المحيط. يستخدم المهندسون والمصممون هذه التقنية للنماذج الأولية السريعة، وتصور التغييرات على المنتجات أو البيئات دون الحاجة إلى تصيير ثلاثي الأبعاد يدوي.

تمييز المصطلحات الرئيسية#

من المفيد التمييز بين نماذج الانتشار والمعماريات التوليدية الأخرى:

• نماذج الانتشار مقابل الشبكات التنافسية التوليدية (GANs): بينما تستخدم الشبكات التنافسية التوليدية (GANs) شبكتين متنافستين (مولد ومميز) وتشتهر بأخذ العينات السريع، فإنها غالباً ما تعاني من "انهيار النمط"، حيث ينتج النموذج أنواعاً محدودة من المخرجات. تكون نماذج الانتشار عموماً أكثر استقراراً أثناء التدريب وتغطي توزيع البيانات بشكل أكثر شمولاً، على الرغم من أنها قد تكون أبطأ في وقت الاستدلال.
• نماذج الانتشار مقابل المشفرات التلقائية المتغيرة (VAEs): تقوم المشفرات التلقائية المتغيرة (VAEs) بضغط البيانات في مساحة كامنة ثم إعادة بنائها. وعلى الرغم من أن المشفرات التلقائية المتغيرة سريعة، إلا أن صورها المولدة قد تبدو أحياناً ضبابية مقارنة بالتفاصيل الحادة التي تنتجها عمليات الانتشار.

التنفيذ العملي#

بينما يتطلب تدريب نموذج انتشار من الصفر حسابات كبيرة، يمكن للنهندسين الاستفادة من النماذج المدربة مسبقاً أو دمجها في سير العمل جنباً إلى جنب مع كاشفات فعالة. على سبيل المثال، قد تستخدم نموذج انتشار لتوليد تنوعات خلفية لمجموعة بيانات ثم استخدام منصة Ultralytics لتوضيح وتدريب نموذج اكتشاف على تلك البيانات المحسنة.

فيما يلي مثال مفاهيمي يستخدم torch لمحاكاة خطوة انتشار أمامي بسيطة (إضافة ضوضاء)، والتي تعد أساس تدريب هذه الأنظمة.

import torch


def add_noise(image_tensor, noise_level=0.1):
    """Simulates a single step of the forward diffusion process by adding Gaussian noise."""
    # Generate Gaussian noise with the same shape as the input image
    noise = torch.randn_like(image_tensor) * noise_level

    # Add noise to the original image
    noisy_image = image_tensor + noise

    # Clamp values to ensure they remain valid image data (e.g., 0.0 to 1.0)
    return torch.clamp(noisy_image, 0.0, 1.0)


# Create a dummy image tensor (3 channels, 64x64 pixels)
dummy_image = torch.rand(1, 3, 64, 64)
noisy_result = add_noise(dummy_image)

print(f"Original shape: {dummy_image.shape}, Noisy shape: {noisy_result.shape}")

التوجهات المستقبلية#

يتطور المجال بسرعة نحو نماذج الانتشار الكامن (LDMs)، والتي تعمل في مساحة كامنة مضغوطة بدلاً من مساحة البكسل لتقليل التكاليف الحسابية. يجعل هذا الكفاءة من الممكن تشغيل نماذج توليدية قوية على الأجهزة الاستهلاكية. ومع استمرار الأبحاث، نتوقع تكاملاً أوثق بين المدخلات التوليدية والمهام التمييزية، مثل استخدام السيناريوهات المولدة بالانتشار للتحقق من سلامة المركبات ذاتية القيادة أو تحسين تحليل الصور الطبية عن طريق محاكاة الأمراض النادرة.