قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
تضمين مخصص
ملف متجه رقمي تم تدريبه عبر الانعكاس النصي (Textual Inversion)، يلتقط الخصائص الدلالية لمفهوم بصري محدد، ويمكن استخدامه في الأمر (prompt) للتأثير على توليد الصور.
أوزان LyCORIS
تنسيق أوزان للضبط الدقيق يعمم تقنية LoRA، قادر على تطبيق تعديلات منخفضة الرتبة على أي جزء من النموذج (بما في ذلك طبقات U-Net)، مما يوفر مرونة فائقة للتكيف.
الضبط الدقيق على المفهوم
عملية تدريب تقوم بضبط نموذج الانتشار بالكامل على مجموعة بيانات مستهدفة ليتقن موضوعًا أو أسلوبًا أو كائنًا محددًا، وذلك على حساب فقدان أكبر للتعميم.
التنظيم الحافظ على الدلالة
تقنية تُستخدم أثناء الضبط الدقيق (خاصة مع DreamBooth) لتجنب الإفراط في التدريب وفقدان قدرة النموذج على توليد مفاهيم أخرى، وذلك باستخدام صور تنظيم متنوعة.
نقطة تفتيش الضبط الدقيق
ملف نموذج كامل (غالبًا ما يكون عدة غيغابايت) ناتج عن ضبط دقيق على المفهوم، يحتوي على جميع الأوزان المعدلة لشبكة الانتشار، ويحل محل النموذج الأساسي أو يدمج معه.
محول التحكم (ControlNet)
نظام شرطي يضيف شبكة عصبية مساعدة قابلة للتدريب للتحكم بدقة في توليد الصور بناءً على مدخلات مكانية مثل الرسومات التخطيطية أو الوضعيات أو خرائط العمق.
الضبط الدقيق للانتشار الموجه بالفئة
متغير من الضبط الدقيق حيث يتم شرط النموذج ليس فقط بالنص ولكن أيضًا بتسميات الفئات، مما يسمح بتحكم أكثر دقة في سمات الكائنات المُنشأة.
نموذج انتشار مخصص
نموذج انتشار تم تكييفه تحديدًا، عبر تقنيات مثل DreamBooth أو LoRA، للتفوق في توليد أسلوب أو شخصية أو عالم بصري فريد.
تعلم النمط عبر الانتشار
تطبيق للضبط الدقيق يهدف إلى تعليم نموذج الانتشار نمطًا فنيًا معينًا (مثل: الألوان المائية، السايبربانك) من خلال تدريبه حصريًا على صور تمثل هذا النمط.
دمج أوزان الضبط الدقيق
عملية الجمع الرياضي لمجموعات متعددة من أوزان الضبط الدقيق (مثل: عدة LoRAs) لإنشاء تأثير هجين، من خلال ضبط نسبة تأثير كل منها.
موجه المرجع للضبط الدقيق
نص وصفي يستخدم أثناء تدريب الضبط الدقيق لربط صور التدريب بمفهوم نصي، مما يعمل كجسر بين البيانات البصرية ومساحة تضمين النموذج.
تكميم الأوزان للضبط الدقيق
تقنية لتقليل الدقة الرقمية لأوزان نموذج الضبط الدقيق (مثل: من FP32 إلى FP16 أو INT8) لتقليل حجم الملف واستهلاك الذاكرة، غالبًا ما يكون ذلك على حساب خسارة طفيفة في الجودة.
الضبط الدقيق بعدد قليل من العينات (Low-Shot)
تحدي في الضبط الدقيق يتمثل في تكييف نموذج باستخدام عدد محدود جدًا من أمثلة التدريب، مما يتطلب تقنيات مثل DreamBooth أو Textual Inversion ليكون فعالًا.
التدهور الكارثي للنسيان
ظاهرة ينسى فيها نموذج الانتشار، بعد إجراء ضبط دقيق مكثف على مفهوم معين، كيفية توليد مفاهيم أخرى كان يتقنها سابقًا، مما يقلل من تعدد استخداماته.