PixelDiT2 يعدّل الصور بكسلًا بكسل ويسجّل FID بقيمة 1.46 عند 256×256
طوّرت جامعة Rochester مع NVIDIA النموذج لتغيير تفصيل واحد دون المساس ببقية الصورة، وسيُعرض في NeurIPS في ديسمبر.
باختصار
ذكاء اصطناعي يعدّل الصورة بكسلًا بكسلًا
يعمل PixelDiT2 مباشرة على البكسلات. ويسجّل FID بقيمة 1.46 عند 256×256. هدفه تصحيح تفصيل واحد دون المساس بالباقي. وهو بحث لا أداة للمستخدمين.
PixelDiT2 نموذج لتوليد الصور يعمل مباشرة على البكسلات، أي النقاط الصغيرة التي تكوّن الصورة. طوّرته جامعة Rochester مع NVIDIA بقيادة Jiebo Luo. المصدر هو إعلان الجامعة وورقة arXiv وصفحة المشروع.
الأرقام
تذكر الورقة قيمة FID بلغت 1.46 عند دقة 256×256 بعد 600 دورة تدريب. وعند 512×512 بلغت 1.48 بعد 680 دورة. FID مقياس لجودة الصورة، وكلما قلّ كان أفضل.
وتقول الجامعة إن النموذج يقترب من أداء النماذج العاملة في الفضاء الكامن، وهي أساس أفضل مولّدات الصور اليوم.
لماذا يهم
تخيّل أنك تطلب من الذكاء الاصطناعي إصلاح نظارة على وجه، فيغيّر الخلفية أيضًا. كثيرون واجهوا هذه المشكلة مع أدوات مثل ChatGPT وGoogle Gemini، بحسب وصف الجامعة.
وتعزو الجامعة ذلك إلى طريقة بناء أغلب المولّدات. فهي تعمل في الفضاء الكامن، أي نسخة مضغوطة من الصورة تُعالج بسرعة. يقول Luo إن ذلك يخفض الحساب لكنه يُفقد التحكم، لأن البكسلات لا تُعدَّل فرادى.
الخلفية
سبق PixelDiT2 نموذج PixelDiT الأول. عُرض في CVPR 2026 وكان من المرشحين النهائيين لأفضل ورقة، وهي 15 ورقة من أكثر من 4000 ورقة مقبولة. وتقول الجامعة إنه سمح باستهداف مناطق محددة، مثل نظارة على وجه أو لون سيارة.
ما التالي
سيقدّم الفريق ورقة PixelDiT2 في NeurIPS في ديسمبر. وترى الجامعة أن التحكم على مستوى البكسل قد يؤثر في توليد الفيديو مستقبلًا.
الحدود
هذه نتيجة بحثية وليست أداة تحرير يمكن تنزيلها. وتختلف المصادر في التوصيف. فالجامعة تعرض التحكم بالبكسل كأنه تحقق. أما موقع superpowerdaily.com الصغير فيشير إلى أن FID يقيس جودة الصورة لا بقاء التفاصيل الأخرى دون مساس. ولم نجد تغطية مستقلة من وسائل إعلام كبرى، فالادعاءات تستند أساسًا إلى الجامعة والورقة وصفحة المشروع.