قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
نماذج الانتشار
بنية توليدية تستخدم عملية تدريجية لإضافة وإزالة الضوضاء لتحويل البيانات إلى ضوضاء نقية ثم إعادة بناء عينات واقعية. تتفوق هذه النماذج في توليد صور عالية الجودة مع استقرار تدريب متفوق على GANs.
عملية الانتشار الأمامي
مرحلة التدريب حيث تضاف الضوضاء الغوسية تدريجياً إلى البيانات الأصلية على عدة خطوات زمنية للوصول إلى توزيع ضوضاء نقي. هذا العملية الماركوفية مصممة لتكون قابلة للعكس وقابلة للتنبؤ رياضياً.
عملية الانتشار العكسي
مرحلة التوليد حيث يتعلم الشبكة العصبية إزالة الضوضاء تدريجياً من توزيع ضوضاء نقي لإعادة بناء بيانات متماسكة. هذه العملية موجهة بتقدير تدرج الدرجات لتوزيع البيانات.
DDPM (نماذج الانتشار الاحتمالية لإزالة الضوضاء)
فئة أساسية من نماذج الانتشار التي قدمها هو وآخرون في عام 2020، باستخدام جدول تباين خطي وهدف التنبؤ بالضوضاء. DDPM يؤسس الأسس الرياضية لهياكل الانتشار الحديثة.
جدول الضوضاء
إعداد زمني يتحكم في كمية الضوضاء المضافة في كل مرحلة من عملية الانتشار الأمامي. الجدول المصمم جيداً يحسن التوازن بين الحفاظ على المعلومات وكفاءة إزالة الضوضاء.
التوجيه بدون مصنف
تقنية تحكم في التوليد تجمع بين التنبؤات الشرطية وغير الشرطية لتحسين الدقة للنص دون الحاجة إلى مصنف خارجي. تسمح هذه الطريقة بالتحكم الدقيق في التوليد مع الحفاظ على التنوع.
نماذج الانتشار الكامنة
بنية تحسن نماذج الانتشار بالعمل في فضاء كامن مضغوط بدلاً من الفضاء البكسلي المباشر. هذا النهج يقلل بشكل كبير من التكاليف الحسابية مع الحفاظ على جودة توليد عالية.
العيّنة الأجدادية
طريقة عينة عشوائية تجمع بين إزالة الضوضاء الحتمية والإضافة المضبوطة للضوضاء لتحسين تنوع العينات المولدة. هذه التقنية توازن بين الجودة والإبداع في التوليد.
الخطوات الزمنية للانتشار
عدد الخطوات المنفصلة المستخدمة في عملية الانتشار، عادة ما يكون بين 100 و 1000 خطوة لتحقيق توازن مثالي بين الجودة والأداء. يؤثر اختيار الخطوات الزمنية بشكل مباشر على دقة التفاصيل المولدة.
U-Net لإزالة الضوضاء
بنية عصبية ذات اتصالات متبقية وآلية انتباه، مصممة خصيصاً للتنبؤ وإزالة الضوضاء في كل مرحلة من مراحل الانتشار. تحافظ بنية U-Net بشكل فعال على المعلومات المكانية مع التقاط الاعتمادات العامة.
المعادلات التفاضلية العشوائية
صياغة رياضية مستمرة توحد عمليات الانتشار الأمامية والعكسية في إطار نظري صارم. تتيح هذه الطريقة التحليل النظري وتطوير خوارزميات أخذ عينات جديدة.
الانتشار الشرطي
امتداد لنماذج الانتشار التي تدمج شروطاً خارجية مثل النصوص أو الصور أو الفئات لتوجيه عملية التوليد. تتيح هذه الطريقة التحكم الدقيق في خصائص العينات المولدة.
مقياس التوجيه
معلمة تتحكم في تأثير الشروط على عملية التوليد، مما يسمح بضبط التوازن بين الدقة والإبداع. يقوي المقياس المرتفع الالتزام بالتعليمات بينما يشجع المقياس المنخفض على التنوع.
إعادة العينة التدريجية
تقنية تحسينية تكرارية تطبق عدة دورات لإزالة الضوضاء لتحسين التفاصيل وتصحيح العيوب. تحسن هذه الطريقة الجودة النهائية للتوليدات على حساب وقت حسابي أطول.
الانتباه الذاتي المتقاطع
آلية انتباه تسمح لنماذج الانتشار بدمج المعلومات النصية والمرئية بكفاءة أثناء إزالة الضوضاء. هذه البنية ضرورية للتماسك الدلالي في توليد الصور من النص.
DDIM (نماذج الانتشار الضمنية لإزالة الضوضاء)
متغير حتمي لنماذج الانتشار يسمح بأخذ عينات متسارعة بخطوات أقل مع الحفاظ على الجودة. يحول DDIM العملية العشوائية إلى رسم خرائط حتمي غير ماركوفي.