مدل‌های Diffusionبرای تولید، می‌آموزند چگونه از ورودیِ نویزی به نمونهٔ سازگار با داده نزدیک شوند. فرایندِ افزودن نویز را باید از مدلِ آموخته‌شده و الگوریتمِ نمونه‌گیری جدا کنیم. در این تمرینِ دوعددی، نشان می‌دهیم چرا کم‌کردنِ نویزِ معلوم، اجرای یک مدلِ تولیدی نیست و یک حدسِ متفاوت چه خطایی می‌سازد.
مسیرِ نویزی‌کردن چه چیزی را مشخص می‌کند؟
در صورتِ متداولِ فرایندِ مستقیم، x_t=√ᾱ_t×x_0+√(1−ᾱ_t)×ε است. ᾱبا سهمِ نگه‌داشته‌شدهٔ سیگنال مرتبط است و در مدلِ احتمالی، εاز توزیعِ نویز گرفته می‌شود. در تمرین حاضر، ᾱ=۱۶÷۲۵، ریشهٔ آن۴÷۵و ریشهٔ بخشِ نویز۳÷۵است؛ εرا عمداً ثابت داده‌ایم و نمونه‌گیری Gaussianانجام نمی‌دهیم.
بردارِ اصیل x0=[۰٫۲،۰٫۸]ونویزِ ثابت[۱،−۱]بهxt=[۰٫۷۶،۰٫۰۴]می‌رسند. این دو مختصات تصویر نیستند و لازم نیست در بازهٔ پیکسلِ یک قالب خاص باشند. نسبتِ سادهٔ دو ضریب را هم به معنی ترکیبِ معمولِ درصدی که جمعش یک است نگیرید؛ اینجا ضریب‌های ریشه‌ایِ فرمول داریم.
دانستنِ نویزِ واقعی، یک امتیازِ اضافی است
اگر همان εرا که خودمان در ساختِ xtاستفاده کرده‌ایم در اختیار داشته باشیم، با (x_t−(3/5)ε)/(4/5)دقیقاً x0را پس می‌گیریم. کد این برابری را با Fractionکنترل کرده است. نامِ این مسیر «کنترلِ نویزِ معلوم» است؛ آن را نویززدایِ آموزش‌دیده یا تولیدِ عکس معرفی نمی‌کنیم.
در تولید واقعی، نویزِ مؤثرِ همان نمونهٔ هدف از پیش به این شکل معلوم نیست؛ مدل برآورد می‌کند و samplerمسیر را با قراردادِ خودش جلو می‌برد. حذف‌کردنِ نویزی که به‌عنوان پاسخِ صورت تمرین ذخیره کرده‌ایم، دشواریِ یادگیری را حل نمی‌کند.
اگر نویز را فقط حدس بزنیم
حدسِ دستی [۰٫۵،−۰٫۵]را جای εمی‌گذاریم؛ خروجی[۰٫۵۷۵،۰٫۴۲۵]می‌شود. خطا نسبت به x0برابر[۰٫۳۷۵،−۰٫۳۷۵]است. این حدس را هیچ شبکه‌ای نساخته است؛ فقط تغییرِ حساب پس از تعویضِ ورودیِ برآورد را می‌بینیم. از آن دربارهٔ کیفیتِ یک روشِ samplingیا تعداد گامِ مناسب نتیجه نمی‌گیریم.
| مسیرِ اجراشده | خروجی | چیزی که می‌دانیم |
|---|---|---|
| نویزِ واقعیِ ذخیره‌شده | [۰٫۲،۰٫۸] | کنترلِ جبری با اطلاعاتِ اضافه |
| حدسِ دستیِ نصف‌شده | [۰٫۵۷۵،۰٫۴۲۵] | خطای همین حدس، نه عملکرد مدل |
یک مشاهده، اصلِ یکتا را لو نمی‌دهد
کد یک x0دیگر، [۰،۱]، و εسازگار با آن می‌سازد که باز هم همان xtرا می‌دهد. بنابراین از xtو یک معادلهٔ ترکیب، بدون دانستنِ نویز یا مدلِ توزیع، اصلِ یکتا استخراج نکرده‌ایم. این شاهدِ جبری دربارهٔ دو زوجِ ساختگی است؛ ادعای نمونه‌گیریِ آن زوج‌ها از Gaussianیا بازیابیِ تصویرِ واقعی نیست.
مدل و samplerکجا وارد می‌شوند؟
در آموزشِ Diffusion، داده‌های نویزی و هدفِ آموزشی برای یادگیریِ برآورد به کار می‌روند؛ در تولید، مراحلِ نمونه‌گیری با مدلِ آموخته‌شده اجرا می‌شوند. پیش‌بینیِ نویز، x0یا پارامتردهیِ دیگر به روش وابسته است؛ همهٔ مدل‌ها و samplerها همان دو خطِ این تمرین نیستند. این صفحه مدل، GPUیاکتابخانهٔ Diffusersرا اجرا نکرده و تصویر نساخته است.
بازسازی در Autoencoder مسئلهٔ قراردادِ بازسازی و آموزشِ نمونهٔ دیگری را نشان می‌دهد؛ یکی‌بودن واژهٔ «بازسازی» دو سازوکار را یکسان نمی‌کند. ادامهٔ مبانی در راهنمای هوش مصنوعی است؛ این مثال فناوریِ داخلیِ محصولات اپرا یا ابزارِ ترمیم عکس نیست.
فایل تمرین و منبع
حساب نویز معلوم، حدسِ دستی و دو منشأِ یک مشاهده · دو مختصات و نویزِ ثابت؛ حدسِ دستی، خروجی مدل نیست
منابع در ۳ نوامبر ۲۰۲۶ خوانده شدند؛ این تاریخ، تاریخ انتشار منبع نیست. مثال‌ها و فایل‌های این راهنما آموزشی و ساختهٔ تحریریه‌اند.