قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
الاستدلال بإزالة التشويش الموجه
عملية الاستدلال في نماذج الانتشار حيث يتم توجيه إزالة التشويش التدريجي بواسطة معلومات خارجية (مثال: الصورة المصدر) لضمان أن النتيجة النهائية تحترم القيود المفروضة.
ترميز البنية الدلالية
تقنية تهدف إلى التقاط وتمثيل التركيب المكاني والعلاقات بين الكائنات في صورة مصدرية، غالبًا عبر خرائط الكنتور، أو العمق، أو التجزئة، لتوجيه التوليد.
إعادة العينات السلفية (Ancestral Sampling)
طريقة أخذ عينات عشوائية أثناء إزالة التشويش تضيف كمية من الضجيج في كل خطوة، موروثة من الخطوة السابقة، لإدخال التباين وتجنب النتائج الحتمية للغاية.
التضمين الكامن (Latent Embedding)
تمثيل متجهي منخفض الأبعاد لصورة مصدرية، تم إنشاؤه بواسطة مشفر (مثال: VAE)، ويُستخدم كشرط في الفضاء الكامن لنموذج انتشار لترجمة فعالة من صورة إلى صورة.
إزالة تشويش درجة لانجفين
خوارزمية تحسين تكرارية تستخدم تدرج اللوغاريتم لكثافة الاحتمال (الدرجة) لتنقية عينة مشوشة تدريجيًا نحو توزيع بيانات مستهدف، مما يشكل أساس أخذ العينات في نماذج الانتشار.
خريطة الانتباه المتقاطع
آلية في المحولات تتيح للنموذج توليد صورة من خلال ترجيح أهمية أجزاء مختلفة من الشرط (مثال: رموز النص أو رقع الصورة المصدرية) ديناميكيًا في كل مرحلة من مراحل التوليد.
خط أنابيب الانتشار الكامن (LDM)
هيكلية لنموذج الانتشار تعمل بالكامل في فضاء كامن مضغوط، يتم الحصول عليه عبر VAE، لتقليل التعقيد الحسابي مع الحفاظ على جودة عالية لتوليد الصور.
Prompt-to-Prompt
طريقة لتحرير الصور عبر الانتشار تسمح بتعديل صورة مُولدة عن طريق تغيير الموجه النصي (Prompt) الخاص بها، مع الحفاظ على بنية الصورة الأصلية بفضل محاذاة خرائط الانتباه.
انتشار التوصيل والتشغيل (PnP)
نهج حل المشكلات العكسية (مثل: إزالة الضوضاء، الدقة الفائقة) يستخدم نموذج انتشار مدرب مسبقًا كمعلومات مسبقة للصور، من خلال دمجه مع نموذج بيانات خاص بالمهمة دون إعادة تدريب النموذج.