تسلسل جولات تحويل الصور بالذكاء الاصطناعي: متى تكمل من آخر ناتج ومتى تعيد البدء

تبدأ معظم جلسات تحويل الصور بالذكاء الاصطناعي بصورة واحدة وتعديل واحد. ينجح التعديل، ويصبح الناتج جيدًا بما يكفي للاحتفاظ به، ثم تصل فكرة ثانية: دفّئ الخلفية قليلًا، ونظّف الزاوية، وخفّف الظل. عند هذه النقطة يعيد معظم الناس إدخال آخر ناتج ويطلبون شيئًا آخر. تلك هي اللحظة التي يتحول فيها تعديل منضبط إلى سلسلة، والسلسلة لا تسلك سلوكًا يشبه التمريرة الواحدة إطلاقًا.

لا شيء في الطلب الثاني غير معقول. الذي يتغير هو نقطة البداية. في الجولة الأولى بدأ النموذج من صورة فوتوغرافية، وهي سجل كثيف لمشهد حقيقي. في الجولة الثانية يبدأ من صورة مولّدة، وهي إعادة بناء معقولة لذلك المشهد، والجولة الثالثة تبدأ من إعادة بناء لإعادة بناء. كل حلقة جيدة بذاتها. المشكلة أن كل جولة تعيد تفسير تفاصيل كانت تقريبية أصلًا، والتفسيرات الصغيرة تتراكم في اتجاه واحد.

التمريرة الثانية عمل مختلف عن الأولى

في التحويل الأول توجد صورة فوتوغرافية ترسّخه. ثنيات القماش، وحبيبات الحجر، ودرجة الظل الدقيقة، وطريقة جلوس الملصق تحت الضوء الساطع: كل ذلك يأتي من الملف الذي رفعته. إنه مقيس، لا مبتكر.

بمجرد أن تعيد إدخال صورة مولّدة، يزول المرساة. يعامل النموذج الآن الناتج السابق كأنه العالم، بما في ذلك الأجزاء التي كانت خاطئة قليلًا: حافة زجاجة تم تنعيمها، وانعكاس عاد بزاوية خاطئة، وحزام فقد مشبكه بهدوء. التمريرة الثانية لا تعرف أن تلك كانت أخطاء. إنها تحافظ عليها، وأحيانًا تصقلها حتى تصير أسلوبًا.

لهذا قد يُنتج الأمر النصي نفسه الذي نجح ببراعة في الجولة الأولى شيئًا أكثر عكارة في الجولة الثانية. لم تصبح التعليمات أسوأ. بل أصبحت الحقيقة الأرضية التي تستند إليها أرقّ.

اقرأ حساب strength قبل أن تبدأ التسلسل

تحويل الصورة إلى صورة القائم على الانتشار ليس تعديل طبقة. توثيق Diffusers لتحويل الصورة إلى صورة يصف العملية ببساطة: تُرمَّز صورة البداية، وتُضاف إليها ضوضاء، ثم يزيل النموذج الضوضاء عائدًا نحو أمرك النصي. يحدد إعداد strength مقدار ما تقطعه الصورة من تلك الرحلة. القيمة الأعلى تمنح النموذج مساحة أكبر لإنتاج شيء مختلف، وعند 1.0 تُتجاهل صورة البداية تقريبًا. القيمة الأقل تُبقي الناتج قريبًا من الصورة التي أحضرتها.

كما يوضح التوثيق الارتباط الذي يفوته الناس: يعمل strength و num_inference_steps معًا، ويحدد strength عدد خطوات الضوضاء المطبقة. عند 50 خطوة و strength بقيمة 0.8، تُعاد إضافة الضوضاء وإزالتها في أربعين خطوة من تلك الخمسين. لذا فإن تمريرة ثانية «لطيفة» عند 0.8 لا تزال تعيد بناء أربعة أخماس الإطار. تبدو الصورة مشابهة لأن الأمر النصي يطلب أشياء مشابهة، لا لأن البكسلات كانت محمية.

هذا الحساب هو ما يجعل التسلسل مكلفًا. تمريرتان عند 0.8 ليستا 1.6 جولة من التغيير؛ إنهما إعادتا بناء كاملتان، والثانية مبنية على إعادة بناء. ويضاعف مقياس التوجيه الأثر من الجهة الأخرى، لأن القيمة الأعلى تشد بقوة أكبر نحو صياغة الأمر النصي وتترك لصورة البداية مساحة أقل للاعتراض.

قرّر هل تكمل أم تعيد البدء

السؤال المفيد ليس مدى جودة آخر ناتج. بل ما الذي يمسه التغيير التالي فعليًا. تلك الإجابة تفرز العمل في كومتين.

أعد البدء من الصورة الأصلية عندما يتعلق التغيير التالي بالعنصر: خطه الخارجي، أو نسبه، أو مشبك، أو ملصق، أو الحد الذي يلتقي فيه مع الخلفية، أو أي نص صغير، أو اللون الدقيق للمنتج. تلك هي التفاصيل التي يميل التوليد الثاني إلى طمسها أولًا، ولا يستعيدها أي قدر من الصياغة الحريصة بمجرد أن تكون التمريرة الأولى قد نعّمتها. إعادة البدء تعني كتابة موجز واحد يطلب التغييرين معًا، من المصدر النظيف.

المتابعة من آخر ناتج أمر يمكن الدفاع عنه عندما يكون التغيير التالي شاملًا ومتسامحًا: تحول في الدفء على مستوى الإطار كله، أو غسل للخلفية، أو قدر أكبر أو أقل قليلًا من التباين، أو ترتيب زاوية فارغة لا يوجد فيها شيء مهم. تلك التغييرات لا تحتاج بكسلات العنصر الأصلية، لأنها لا تمس العنصر.

يساعد سقف عملي: اسمح لنفسك بجولتين بنيويتين من الصورة الفوتوغرافية، لا إحداهما من الأخرى. وإذا وصلت فكرة ثالثة عن العنصر، فمكانها في موجز معاد كتابته من الجولة صفر، إلى جانب الأولى والثانية، لا فوقهما.

احتفظ بملف حقيقة أرضية واحد وسجل

تفشل السلاسل بهدوء لأن الذاكرة تخون أولًا. بعد ثلاثة أيام لا يتذكر أحد أي ملف من سبعة كان الجيد، ولا أي أمر نصي أنتجه.

عالج ذلك بعادتين صغيرتين. أولًا، لا تكتب فوق الملف الأصلي المرفوع أبدًا: احتفظ به كجولة صفر للقراءة فقط، وصدّر كل جولة كملف جديد يحمل رقم الجولة في اسمه. ثانيًا، احتفظ بسجل بجوار الملفات، سطر واحد لكل جولة: رقم الجولة، والمدخل الذي بدأت منه، والأمر النصي، وقيمة strength، وقيمة التوجيه، وجملة واحدة تقول لماذا كانت الجولة.

يؤدي السجل مهمتين. يخبرك بأي جولة تعود إليها عندما تكون جولة لاحقة أسوأ، ويخبرك بما يجب تغييره عندما لا ينجح شيء. بدونه يصبح التكرار سلسلة تخمينات غير مترابطة تجمعها الصدفة في مجلد واحد.

اكتب كل جولة كإضافة واحدة وحماية واحدة

تعمل الجولة المتسلسلة بأفضل حال عندما يسمّي الأمر النصي ما يجب تغييره وما يجب أن يبقى. الأوامر النصية ذات التعليم الواحد تترك للنموذج حرية إعادة تفسير كل ما لا تذكره، وهذا في الجولة الثانية يعني كل شيء.

يوضح توثيق Google لتوليد الصور هذا الشكل في أمثلته للتحرير، حيث يسمّي الأمر النصي الهدف الواحد ثم يغلق بقية الإطار: غيّر الأريكة الزرقاء فقط إلى أريكة تشيسترفيلد جلدية بنية عتيقة، وأبقِ بقية الغرفة، بما في ذلك الوسائد والإضاءة، دون تغيير. إنها جملة واحدة، وتحتوي تغييرًا وقائمة حماية.

في الجولة المتسلسلة، اكتبها بالطريقة نفسها واجعل قائمة الحماية محددة بما أصابته الجولة السابقة. إذا أنتجت الجولة الأولى أخيرًا ظلًا مقنعًا، فقل ذلك في الأمر النصي. وإذا بقي ملصق الزجاجة سليمًا، فسمّه. القائمة ليست زينة؛ إنها الجزء من التعليمات الذي يمنع التوليد التالي من إنفاق حريته على تفاصيل دفعت ثمنها بالفعل.

راجع كل جولة قبل أن تبني عليها

يتغير سؤال المراجعة بمجرد أن تبدأ التسلسل. لم يعد «هل هذا جيد بما يكفي» بل «هل هذا شيء آمن للبناء عليه». انظر إلى كل ناتج بحجمه الكامل، لا في شبكة صور مصغرة، وقارنه بالجولة صفر عند التكبير نفسه.

تظهر ثلاث علامات مبكرًا عندما تسير السلسلة في الاتجاه الخاطئ. تلين الحواف: يفقد الحد بين العنصر والخلفية حدته ويكتسب هالة باهتة. تتسطح الملمس: يصبح الحجر أملس، ويفقد القماش نسيجه، ويتحول التفصيل المتكرر إلى نمط. تنزاح الملامح الصغيرة: يتحرك ملصق بضعة بكسلات، ويتغير انعكاس في زاويته، ويتغير ظل في اتجاهه. أي من هذه في تفصيل يهمك يعني أن الملف الحالي مدخل سيئ للجولة التالية، مهما أصاب في غيره.

انتهِ من أفضل جولة، لا من أحدثها

الصورة الأخيرة في السلسلة لا تكون الأفضل تقريبًا أبدًا، لأن سبب استمرارك هو أن شيئًا ظل خاطئًا. قبل التصدير، ضع الجولات جنبًا إلى جنب واختر أقوى ملف، لا أحدثه.

ثم توقف عن تحريره. إذا حلّت جولة متأخرة منطقة أخطأت فيها أفضل جولة، فخذ تلك المنطقة وحدها، أو أعد تشغيل الموجز الفائز من الصورة الأصلية مع دمج التحسين فيه. كلاهما أنظف من مواصلة السلسلة، وكلاهما يحفظ طريقًا للعودة إلى المصدر.

حيث لا ينبغي استخدام التسلسل إطلاقًا

بعض الأعمال لا تحتمل إعادة بناء ثانية. تصوير المنتجات حيث يجب أن يطابق العنصر الجسم المادي بدقة، والتغليف ذو النص المقروء، والشعارات، وأي شيء يمر بمراجعة سوق تجاري، كلها مرشحات سيئة للسلسلة. كل تمريرة إعادة توليد، لا تعديل طبقة، لذا فإن البكسلات الدقيقة ليست شيئًا يستطيع الأمر النصي ضمانه.

عندما يكون المطلب هو الهوية، أنجز التحويل في تمريرة واحدة من الأصل، وأكمل النسبة الأخيرة القليلة بأداة تركيب تستطيع الحفاظ على القصاصة. هذا التوزيع للعمل هو ما تشير إليه أيضًا إرشادات KOOX السابقة حول مراجعة التحويل قبل أن تكرر مرة أخرى: قرر بعينيك، ثم غيّر شيئًا واحدًا في كل مرة.

روتين يمكنك تنفيذه اليوم

ابدأ بصورة واحدة تعرفها جيدًا وأعطها تغييرًا واحدًا تستطيع تسميته في جملة واحدة. احفظ تلك الجولة كجولة أولى، مع سطر في السجل. قبل أن تطلب أي شيء آخر، قرّر إلى أي كومة ينتمي التغيير التالي: العنصر، وهذا يعني إعادة البدء من المصدر بموجز مدمج، أو الجو العام، وهذا يمكن أن يستمر من الجولة الأولى.

أبقِ السلسلة عند جولتين، وراجع كل ناتج بحجمه الكامل مقابل الأصل، وصدّر أفضل ملف لا الأخير. وإذا أردت أن ترى الطرف الأحادي التمريرة من سير العمل هذا قبل أن تبدأ التسلسل، فإن أداة تحويل الصورة إلى صورة بالذكاء الاصطناعي هي المكان الذي تنفذ فيه الجولة صفر.

التسلسل ليس خطأ. إنه تقنية لها ميزانية، والميزانية تُدفع من دقة التفاصيل التي لا تراها بحجم الصورة المصغرة.