Diffusion Models

Difüzyon modelleri, kademeli bir gürültü ekleme sürecini tersine çevirerek yeni veri örnekleri oluşturmayı öğrenen bir üretken yapay zeka algoritması sınıfıdır. Verilerden etiket tahmin eden nesne tespiti veya sınıflandırma gibi görevlerde kullanılan geleneksel ayırt edici modellerin aksine, difüzyon modelleri gerçek dünya verilerinin istatistiksel özelliklerini yakından taklit eden—özellikle görseller, ses ve video gibi—yüksek kaliteli içerikler üretmeye odaklanır. Eğitim kararlılıkları ve çeşitli çıktılar oluşturma yetenekleri sayesinde, Üretken Çekişmeli Ağlar (GAN'lar) gibi önceki liderleri geride bırakarak yüksek çözünürlüklü görüntü sentezleme konusunda hızla en gelişmiş çözüm haline geldiler.

Link to this sectionDifüzyon Modelleri Nasıl Çalışır#

Bir difüzyon modelinin temel mekanizması, denge dışı termodinamiğe dayanır. Eğitim süreci iki farklı aşamayı içerir: ileri süreç (difüzyon) ve ters süreç (gürültü giderme).

• İleri Süreç: Bu aşama, bir dizi zaman adımı boyunca küçük miktarlarda Gaussian gürültüsü ekleyerek eğitim görselinin yapısını sistematik olarak bozar. Süreç devam ettikçe, karmaşık veri (örneğin bir kedi fotoğrafı) kademeli olarak saf, yapılandırılmamış rastgele gürültüye dönüşür.
• Ters Süreç: Sinir ağının amacı, bu bozulmayı nasıl tersine çevireceğini öğrenmektir. Rastgele gürültüden başlayarak, model her adımda eklenen gürültüyü tahmin eder ve bunu çıkarır. Gürültüyü yinelemeli olarak kaldırarak, model rastgele sinyali "temizler" ve net, yüksek kaliteli bir görsel ortaya çıkar.

Bu yinelemeli iyileştirme, tek adımlı üretim yöntemlerine kıyasla önemli bir avantaj olan ince ayrıntılar ve dokular üzerinde olağanüstü bir kontrol sağlar.

Link to this sectionGerçek Dünya Uygulamaları#

Difüzyon modelleri, akademik araştırmaların ötesine geçerek çeşitli endüstrilerde pratik, üretime hazır araçlar haline gelmiştir.

• Sentetik Veri Üretimi: Bilgisayarlı görü mühendisleri için en değerli uygulamalardan biri, eğitim veri kümelerini zenginleştirmek için sentetik veri oluşturmaktır. Eğer bir veri kümesi çeşitlilikten yoksunsa—örneğin karlı koşullardaki araba görselleri eksikse—bir difüzyon modeli gerçekçi varyasyonlar üretebilir. Bu, tahmin edilemez ortamlarda konuşlandırıldığında YOLO26 gibi görü modellerinin dayanıklılığını artırmaya yardımcı olur.
• Görsel İç Boyama (Inpainting) ve Düzenleme: Difüzyon modelleri, kullanıcıların bir görselin belirli bölgelerini değiştirmesine olanak tanıyan gelişmiş düzenleme araçlarına güç verir. Inpainting olarak bilinen bu teknik, istenmeyen nesneleri kaldırabilir veya çevredeki bağlama göre bir fotoğrafın eksik kısımlarını doldurabilir. Mimarlar ve tasarımcılar bunu, manuel 3D render işlemine ihtiyaç duymadan ürün veya ortamlardaki değişiklikleri görselleştirerek hızlı prototipleme için kullanırlar.

Link to this sectionTemel Terimleri Ayırt Etme#

Difüzyon modellerini diğer üretken mimarilerden ayırmak faydalıdır:

• Difüzyon Modelleri vs. GAN'lar: GAN'lar iki rakip ağ (bir üretici ve bir ayırt edici) kullanır ve hızlı örneklemeleriyle bilinirler, ancak genellikle modelin sınırlı çeşitlilikte çıktı ürettiği "mod çökmesi" sorunu yaşarlar. Difüzyon modelleri eğitim sırasında genellikle daha kararlıdır ve veri dağılımını daha kapsamlı bir şekilde kapsarlar, ancak çıkarım süresinde daha yavaş olabilirler.
• Difüzyon Modelleri vs. VAE'ler: Varyasyonel Otomatik Kodlayıcılar (VAE'ler) veriyi bir gizli uzaya sıkıştırır ve ardından yeniden oluşturur. VAE'ler hızlı olsa da, ürettikleri görseller difüzyon süreçlerinin ürettiği keskin detaylara kıyasla bazen bulanık görünebilir.

Link to this sectionPratik Uygulama#

Sıfırdan bir difüzyon modeli eğitmek önemli ölçüde hesaplama gücü gerektirse de, mühendisler önceden eğitilmiş modellerden yararlanabilir veya bunları verimli tespit modelleriyle birlikte iş akışlarına entegre edebilirler. Örneğin, bir veri kümesi için arka plan varyasyonları oluşturmak üzere bir difüzyon modeli kullanabilir ve ardından bu geliştirilmiş veriler üzerinde bir tespit modeli eğitmek ve etiketlemek için Ultralytics Platform'u kullanabilirsin.

Aşağıda, bu sistemleri eğitmenin temeli olan basit bir ileri difüzyon adımını (gürültü ekleme) simüle etmek için torch kullanılan kavramsal bir örnek yer almaktadır.

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}")

Link to this sectionGelecek Yönelimler#

Alan, hesaplama maliyetlerini düşürmek için piksel uzayı yerine sıkıştırılmış bir gizli uzayda çalışan gizli difüzyon modellerine (LDM'ler) doğru hızla evriliyor. Bu verimlilik, güçlü üretken modelleri tüketici donanımlarında çalıştırmayı mümkün kılıyor. Araştırmalar devam ettikçe, otonom araçların güvenliğini doğrulamak veya nadir patolojileri simüle ederek tıbbi görüntü analizini iyileştirmek için difüzyonla üretilen senaryoları kullanmak gibi, üretken girdiler ile ayırt edici görevler arasında daha sıkı bir entegrasyon bekliyoruz.