Google Research تقدّم Diffusion Controller لتحسين توجيه توليد الصور

قدّمت Google Research إطار Diffusion Controller لتوجيه توليد الصور بالذكاء الاصطناعي. وتقول الشركة إن الهدف هو تحسين مطابقة الصورة للوصف النصي مع الحفاظ على جودتها. وينطلق العمل من مشكلة مألوفة في هذه النماذج: قد تنتج صورة مقنعة بصريًا لكنها تُسقط تفصيلًا مطلوبًا، بينما تؤدي زيادة التوجيه إلى تشويه بعض عناصرها.

يعيد الإطار صياغة إزالة الضجيج، التي تتحول خلالها البداية العشوائية تدريجيًا إلى صورة، باعتبارها عملية تحكم مستمرة. ويضيف شبكة خفيفة تعدّل مسار التوليد وفق الهدف المطلوب. وفي تصميم الشبكة الجانبية، تبقى أوزان النموذج الأساسي ثابتة. ويشرح الباحثون أن هذه التصحيحات تهدف إلى الموازنة بين الالتزام بالطلب والمحافظة على سلوك النموذج الأساسي.

اختبر الفريق الإطار باستخدام Stable Diffusion v1.4، وقارن طرقًا مختلفة للضبط، منها التدريب الخاضع للإشراف والترجيح بالمكافأة وPPO. وبحسب Google Research، تفوقت الشبكة الجانبية على LoRA في اختبارَي التدريب الخاضع للإشراف والترجيح بالمكافأة وفق مقياس التفضيل البشري HPS-v2. وتخص هذه النتائج إعدادات التجربة المنشورة، التي شملت أيضًا تقييمًا بشريًا لجودة الصور ومطابقتها لأوصاف متعددة السمات.

ويتيح الإطار تعديل قوة التوجيه أثناء التشغيل بواسطة معامل واحد. كما يعرض البحث تصميمات أخرى تسمح بتدريب الشبكة الجانبية والنموذج الأساسي معًا أو بصورة منفصلة. ويطرح الفريق تخصيص الصور وتوجيه نماذج الفيديو ضمن مسارات البحث اللاحقة، إلى جانب تطوير آليات للحد من توليد المحتوى الضار.