قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
الانتشار الكامن
عملية توليد الصور حيث يتم إضافة وإزالة الضوضاء في فضاء كامن ذي أبعاد أقل، مما يجعل الحساب أسرع وأكثر كفاءة من الفضاء البكسلي.
عملية الانتشار
طريقة توليد تتضمن تدمير البيانات الأولية تدريجياً عن طريق إضافة الضوضاء إليها على عدة مراحل، ثم تعلم عكس هذه العملية لإعادة بناء البيانات من الضوضاء.
جدول الضوضاء
استراتيجية تحدد كمية وطبيعة الضوضاء المضافة في كل مرحلة من عملية الانتشار، مما يؤثر على جودة وسرعة التوليد النهائي.
نموذج U-Net
بنية شبكة عصبية التفافية، على شكل حرف 'U'، تُستخدم في نماذج الانتشار للتنبؤ بالضوضاء بفضل مساراتها الهابطة (التحليل) والصاعدة (التركيب).
تحويل النص إلى صورة كامنة
تطبيق للانتشار الكامن حيث يقوم نموذج بتوليد صور في فضاء كامن من وصف نصي، قبل فك تشفيرها إلى صور بكسلية نهائية.
التوجيه بالنص (التوجيه الخالي من المصنف)
تقنية تكييف تستخدم نموذج انتشار مدربًا في وقت واحد مع وبدون نص، وتجمع بين تنبؤاتهما لتعزيز الالتزام بالوصف النصي أثناء التوليد.
فك تشفير الكامن
جزء من مشفر تلقائي (مثل VAE) يحول تمثيلاً مضغوطًا للفضاء الكامن إلى بيانات نهائية في الفضاء الأصلي (على سبيل المثال، صورة بكسلية).
مشفر النص
نموذج (غالبًا ما يكون محولًا مثل CLIP) يحول سلسلة من الأحرف إلى متجه رقمي في الفضاء الكامن، مما يوفر التكييف لتوليد الصور.
التضمين السلبي (Negative Embedding)
استخدام التضمينات النصية المدربة لتمثيل المفاهيم التي يجب تجنبها، مما يسمح بتوجيه توليد نموذج الانتشار بعيدًا عن الأنماط أو الكائنات غير المرغوب فيها.
الترميم الكامن (Latent Inpainting)
عملية تعديل صورة موجودة عن طريق إخفاء منطقة واستخدام نموذج انتشار كامن لتوليد محتوى جديد متناسق في هذه المنطقة، مع الحفاظ على السياق.
التوسيع الكامن (Latent Outpainting)
توسيع صورة موجودة إلى ما وراء حدودها الأصلية باستخدام نموذج انتشار كامن لتوليد محتوى معقول يمتزج بسلاسة مع الصورة الأساسية.
تحويل الصورة إلى صورة كامن (Latent Image-to-Image)
تقنية يتم فيها ترميز صورة إدخال في الفضاء الكامن، ثم يتم تشويشها جزئيًا وإزالة التشويش عنها وفقًا لموجه نصي، لتحويل نمط أو محتوى الصورة الأصلية.