توليد الصور بالشبكة التوليدية التنافسية والانتشار المستقر - كتاب الذكاء الإصطناعي - الصف 12 - الفصل 1 - المملكة العربية السعودية

توليد الصور بالشبكة التوليدية التنافسية (GANs) Generating Images with Generative Adversarial Networks (GANs)

الشبكة التوليدية التنافسية هي فئة من النماذج التوليدية التي تتكون من مكونين رئيسيين وهما: المولّد (Generator) والمميّز (Discriminator). حيث يقوم المولّد بتوليد صور زائفة، بينما يحاول المميّز تمييز الصور المولّدة من الصور الحقيقية. ويدرّب هذان المكونان تدريباً تنافسياً، إذ يحاول المولّد أن "يخدع" المميّز، ويحاول المميّز أن يصبح أفضل في اكتشاف الصور الزائفة. تتمثل إحدى المزايا الرئيسية للشبكة التوليدية التنافسية في قدرتها على توليد صور عالية الجودة وواقعية يصعب تمييزها عن الصور الحقيقية، ولكن يوجد بها أيضاً بعض القيود مثل: عدم التقارب (Non-convergence) أو بعبارة أخرى، فشل شبكتي المولّد والمميّز في التحسن مع مرور الوقت، ونقص التنوع (Mode collapse) في المخرجات، حيث ينتج النموذج نفس المخرجات المتشابهة مراراً وتكراراً بغض النظر عن المدخلات.

يُطبق المولّد والمميّز في الشبكة التوليدية التنافسية في العادة باستخدام الشبكات العصبية الترشيحية (CNNs) أو أي معمارية مشابهة.

شكل 4.28: معمارية الشبكة التوليدية التنافسية

توليد الصور بالانتشار المستقر (Stable Diffusion) Generating Images with Stable Diffusion

الانتشار المستقر هو نموذج تعلم عميق لتوليد صورة من نص، وتتكون هذه الطريقة من مكونين رئيسيين: مرمّز النص (Text Encoder) ومفكك الترميز المرئي (Visual Decoder). ويدرّب مرمّز النص ومفكك الترميز المرئي معاً على مجموعة بيانات مكونة من بيانات نصوص وبيانات صور مقترنة ببعضها؛ حيث يقترن كل مدخل نصي بصورة مقابلة أو أكثر. مرمّز النص هو شبكة عصبية تأخذ مدخلات نصية مثل: جملة أو فقرة وتحوّلها إلى تضمين (Embedding)، والتضمين هو متجه عددي له عدد ثابت من القيم، ويلتقط تمثيل التضمين هذا معنى النص المدخل. يتم استخدام نهج مشابه في نموذج الكلمة إلى المتجه (Word2Vec) ونموذج ترميز الجمل ثنائية الاتجاه من المحولات (SBERT) اللذين تم توضيحهما في الوحدة الثالثة، حيث يولّدان تضمينات للكلمات والجمل الفردية على الترتيب. ويمرّر بعد ذلك تضمين النص (Text Embedding) الذي أنشأه مرمّز النص عبر مفكك الترميز المرئي لتوليد صورة. ومفكك الترميز المرئي هو أيضاً نوع من الشبكات العصبية وينفّذ عادةً باستخدام شبكة عصبية ترشيحية (CNN) أو معمارية مشابهة، وتُقارن الصورة المولّدة بالصورة الحقيقية المقابلة لها الموجودة في مجموعة البيانات، ويُستخدم الفرق بينهما لحساب الخسارة (Loss)، ثم تُستخدم الخسارة لتحديث متغيرات مرمّز النص ومفكك الترميز المرئي؛ لتقليل الاختلاف بين الصور التي ولّدت والصور الحقيقية.

جدول 4.4: عملية تدريب الانتشار المستقر

وزارة التعليم 239 2023 - 1447

--- SECTION: توليد الصور بالشبكة التوليدية التنافسية (GANs) --- توليد الصور بالشبكة التوليدية التنافسية (GANs) Generating Images with Generative Adversarial Networks (GANs)الشبكة التوليدية التنافسية هي فئة من النماذج التوليدية التي تتكون من مكونين رئيسيين وهما: المولّد (Generator) والمميّز (Discriminator). حيث يقوم المولّد بتوليد صور زائفة، بينما يحاول المميّز تمييز الصور المولّدة من الصور الحقيقية. ويدرّب هذان المكونان تدريباً تنافسياً، إذ يحاول المولّد أن "يخدع" المميّز، ويحاول المميّز أن يصبح أفضل في اكتشاف الصور الزائفة. تتمثل إحدى المزايا الرئيسية للشبكة التوليدية التنافسية في قدرتها على توليد صور عالية الجودة وواقعية يصعب تمييزها عن الصور الحقيقية، ولكن يوجد بها أيضاً بعض القيود مثل: عدم التقارب (Non-convergence) أو بعبارة أخرى، فشل شبكتي المولّد والمميّز في التحسن مع مرور الوقت، ونقص التنوع (Mode collapse) في المخرجات، حيث ينتج النموذج نفس المخرجات المتشابهة مراراً وتكراراً بغض النظر عن المدخلات.يُطبق المولّد والمميّز في الشبكة التوليدية التنافسية في العادة باستخدام الشبكات العصبية الترشيحية (CNNs) أو أي معمارية مشابهة.--- SECTION: شكل 4.28: معمارية الشبكة التوليدية التنافسية --- شكل 4.28: معمارية الشبكة التوليدية التنافسية--- SECTION: توليد الصور بالانتشار المستقر (Stable Diffusion) --- توليد الصور بالانتشار المستقر (Stable Diffusion) Generating Images with Stable Diffusionالانتشار المستقر هو نموذج تعلم عميق لتوليد صورة من نص، وتتكون هذه الطريقة من مكونين رئيسيين: مرمّز النص (Text Encoder) ومفكك الترميز المرئي (Visual Decoder). ويدرّب مرمّز النص ومفكك الترميز المرئي معاً على مجموعة بيانات مكونة من بيانات نصوص وبيانات صور مقترنة ببعضها؛ حيث يقترن كل مدخل نصي بصورة مقابلة أو أكثر. مرمّز النص هو شبكة عصبية تأخذ مدخلات نصية مثل: جملة أو فقرة وتحوّلها إلى تضمين (Embedding)، والتضمين هو متجه عددي له عدد ثابت من القيم، ويلتقط تمثيل التضمين هذا معنى النص المدخل. يتم استخدام نهج مشابه في نموذج الكلمة إلى المتجه (Word2Vec) ونموذج ترميز الجمل ثنائية الاتجاه من المحولات (SBERT) اللذين تم توضيحهما في الوحدة الثالثة، حيث يولّدان تضمينات للكلمات والجمل الفردية على الترتيب. ويمرّر بعد ذلك تضمين النص (Text Embedding) الذي أنشأه مرمّز النص عبر مفكك الترميز المرئي لتوليد صورة. ومفكك الترميز المرئي هو أيضاً نوع من الشبكات العصبية وينفّذ عادةً باستخدام شبكة عصبية ترشيحية (CNN) أو معمارية مشابهة، وتُقارن الصورة المولّدة بالصورة الحقيقية المقابلة لها الموجودة في مجموعة البيانات، ويُستخدم الفرق بينهما لحساب الخسارة (Loss)، ثم تُستخدم الخسارة لتحديث متغيرات مرمّز النص ومفكك الترميز المرئي؛ لتقليل الاختلاف بين الصور التي ولّدت والصور الحقيقية.--- SECTION: جدول 4.4: عملية تدريب الانتشار المستقر --- جدول 4.4: عملية تدريب الانتشار المستقر2023 - 1447--- VISUAL CONTEXT --- **DIAGRAM**: شكل 4.28: معمارية الشبكة التوليدية التنافسية Description: A flowchart diagram illustrating the architecture of a Generative Adversarial Network (GAN). It shows the interaction between a Generator and a Discriminator. Data: The diagram starts with 'ضوضاء عشوائية' (Random Noise) feeding into 'المولّد' (Generator). The Generator produces 'صور زائفة' (Fake Images). Both 'صور زائفة' and 'صور حقيقية' (Real Images) feed into 'المميّز' (Discriminator). The Discriminator outputs 'عناوين تم التنبؤ بها' (Predicted Labels). A 'الخسارة' (Loss) component is shown, indicating the calculation of loss based on the Discriminator's output. Key Values: ضوضاء عشوائية (Random Noise), المولّد (Generator), صور زائفة (Fake Images), صور حقيقية (Real Images), المميّز (Discriminator), عناوين تم التنبؤ بها (Predicted Labels), الخسارة (Loss) Context: This diagram visually explains the components and data flow within a Generative Adversarial Network, a key concept in AI for image generation.**TABLE**: جدول 4.4: عملية تدريب الانتشار المستقر Description: A table outlining the five steps involved in the training process of a Stable Diffusion model. Table Structure: Headers: N/A Rows: Row 1: 1. مرّر المدخلات النصية عبر مرمّز النص للحصول على تضمين النص. Row 2: 2. مرّر تضمين النص عبر مفكك الترميز المرئي لتوليد صورة. Row 3: 3. احسب الخسارة (الاختلاف) بين الصورة المولّدة والصورة الحقيقية المقابلة لها الموجودة في مجموعة البيانات. Row 4: 4. استخدم الخسارة لتحديث متغيرات مرمّز النص ومفكك الترميز المرئي، وعندما يكون المستوى عاليًا يتضمن ذلك مكافأة (Rewarding) الخلايا العصبية التي ساعدت على تقليل الخسارة ومعاقبة (Punishing) الخلايا العصبية التي ساهمت في زيادتها. Row 5: 5. كرّر الخطوات المذكورة سابقًا مع أزواج متعددة من النصوص والصور في مجموعة البيانات. Data: The table lists sequential steps for training Stable Diffusion, from text embedding to iterative updates based on loss calculation. Context: This table provides a step-by-step guide to understanding the training methodology for Stable Diffusion models, detailing the process from input to model optimization.