نموذج الانتشار

ما هو نموذج الانتشار؟

نموذج الانتشار هو بنية ذكاء اصطناعي توليدي تبتكر الصور عبر تعلم كيفية عكس عملية التشويش. في مرحلة التدريب، يتم طمس معالم الصور تدريجياً باستخدام تشويش عشوائي، ويتعلم النموذج كيفية التراجع عن كل خطوة. وعند التوليد، يبدأ من تشويش تام ويزيله خطوة بخطوة للحصول على صورة جديدة، بتوجيه من نص، أو صورة مرجعية، أو كليهما.

تدعم نماذج الانتشار معظم أدوات توليد الصور المتطورة، بما في ذلك أنظمة نقل الملابس المستخدمة في تجربة القياس الافتراضية القائمة على الصور.

كيف يعمل

1. العملية الأمامية (التدريب): يُضاف التشويش إلى صورة حقيقية على خطوات صغيرة متعددة حتى يتبقى تشويش كامل فقط.
2. العملية العكسية المُتعلَّمة: يُدرَّب النموذج على التنبؤ بالحالة السابقة الأقل تشويشاً عند كل خطوة.
3. التوليد: انطلاقاً من تشويش عشوائي، تُطبَّق عملية إزالة التشويش المُتعلَّمة مراراً (عادة من 20 إلى 50 خطوة) حتى تبرز صورة واضحة المعالم.
4. التكييف (Conditioning): يمكن توجيه النموذج في كل خطوة باستخدام مدخلات مثل صورة لقطعة ملابس، أو وضعية جسم، أو قناع للمنطقة المراد إعادة رسمها.

دوره في القياس الافتراضي

التكييف هو ما يحوّل مولد الصور العام إلى محرك للقياس الافتراضي: عند تزويده بصورة شخص، وصورة قطعة ملابس، وقناع ملابس، يقوم النموذج بإعادة توليد المنطقة المحددة بالقناع فقط (انظر الرسم الداخلي للصور) مع الحفاظ على ملمس القماش، والطيات، والإضاءة لتكون متسقة تماماً مع الصورة الأصلية.

المقابل هنا هو السرعة: يستغرق التوليد ثوانٍ ويحتاج إلى قدرة حوسبة تعتمد على وحدة معالجة الرسومات (GPU)، وهذا هو سبب إنتاج تجربة القياس المبنية على الانتشار لصور ثابتة بدلاً من تراكبات فيديو حية.

الأسئلة الشائعة

إجابات لأسئلتك.

لماذا حلت نماذج الانتشار محل شبكات التوليد التنافسية (GANs) في القياس الافتراضي؟↓

استخدمت الأبحاث المبكرة للقياس الافتراضي شبكات GANs، لكن نماذج الانتشار أثبتت أنها أكثر استقراراً في التدريب، وأكثر قابلية للتحكم من خلال التكييف، وأفضل في إعادة إنتاج التفاصيل الدقيقة للأقمشة. وكل هذه العوامل بالغة الأهمية للملابس.