تعتبر نماذج الانتشار (Diffusion Models) من أبرز الأدوات في مجال توليد الصور عالية الجودة، إلا أن طبيعتها المتكررة تتطلب موارد حسابية كبيرة. في خطوة ثورية، تم اقتراح تقنية جديدة تعرف بـ Beta Sampling، تهدف إلى تحسين خطوات توليد الصور عبر تحليل طيفي للصور خلال عملية الانتشار.

بدلاً من الاعتماد على توزيع الزمن التقليدي، تقدم هذه التقنية الجديدة طريقة مشابهة لتوزيع بيتا (Beta distribution) تركز على الخطوات الحرجة في بداية ونهاية العملية، حيث تُظهر بعض الخطوات تغييرات ملحوظة في محتوى الصورة بينما تساهم أخرى بشكل أقل.

استندت التجارب إلى تحويل فورييه (Fourier transforms) لقياس التغيرات في الاستجابة الترددية، مما أظهر تغييرات ملحوظة في الترددات المنخفضة في المراحل المبكرة وتعديلات في الترددات العالية في المراحل اللاحقة. أثبتت التجارب التي أجريت على نماذج مثل ADM وStable Diffusion أن تقنية Beta Sampling تتفوق باستمرار على طرق أخذ العينات التقليدية، مُحققة درجات أفضل في مقاييس مثل FID وIS.

هذه الدراسة توفر إطار عمل عملي لتحسين كفاءة نماذج الانتشار من خلال تركيز الموارد الحسابية على الخطوات الأكثر تأثيرًا، مما يُظهر إمكانية التعديل والتحسين لتوسيع نطاق التطبيق في المستقبل.