Google Research تطور أداة تحكم دقيقة لتحسين توليد الصور بالذكاء الاصطناعي

قدم باحثون في Google إطار عمل يسمى Diffusion Controller، وهي وسيلة جديدة لتوجيه كيفية إنشاء الذكاء الاصطناعي للصور من النصوص. تعمل هذه الأداة مثل مخمد التوجيه في الدراجات النارية، حيث تحافظ على استقرار النموذج مع السماح بإجراء تعديلات دقيقة أثناء عملية التوليد.

قد يكون التحكم في نماذج الصور الحالية، مثل Stable Diffusion، أمراً صعباً. إذا طلبت صورة لسحلية ترتدي نظارات شمسية، فقد ينسى النموذج النظارات أو يشوه وجه السحلية لجعلها تظهر. عادة ما يقوم المهندسون بإصلاح ذلك عبر إعادة تدريب النموذج بالكامل أو استخدام إضافات معقدة.

يتم ربط Diffusion Controller بهذه النماذج كشبكة جانبية خفيفة. تعمل الأداة من خلال مراقبة عملية التوليد أثناء تحويل الضوضاء العشوائية إلى صورة نهائية، وتقوم بحقن تصحيحات دقيقة للغاية. وهذا يتيح لها العمل حتى مع النماذج مغلقة المصدر التي لا يمكن الوصول إلى شفرتها البرمجية.

نتائج أفضل بجهد أقل

في الاختبارات، تفوق هذا الإطار على الطرق الحالية مثل LoRA. فقد حقق نسبة فوز بلغت 90% ضد النماذج الأساسية عند منحه وصولاً كاملاً، وأظهر نتائج متفوقة في البيئات التي يمتلك فيها المهندسون وصولاً محدوداً فقط إلى النموذج.

• يستخدم طريقة "خسارة مرجحة بالمكافأة" لضمان نتائج ذات جودة أعلى.
• يتضمن مُحسِّن PPO مع قاعدة للحد من التغييرات المفاجئة أثناء التدريب.
• يمكن للمستخدمين تعديل قوة التوجيه أثناء وقت التشغيل لتحقيق التوازن بين دقة النص وجودة الصورة.

تخيل لو كان بإمكانك تحديد مدى اهتمام الذكاء الاصطناعي بتفاصيل معينة في طلبك دون إفساد أسلوب الصورة العام. هذا هو مستوى المرونة الذي توفره هذه الأداة.

أشار الباحثون إلى أن هذا الإطار يركز حالياً على نماذج توليد الصور من النصوص، ولم يتم اختباره بعد على توليد الفيديو أو فلاتر السلامة المتقدمة. يهدف التطوير المستقبلي إلى اختبار ما إذا كانت آلية التوجيه هذه قادرة على المساعدة في الحد من إنشاء محتوى ضار.