في عالم الذكاء الاصطناعي، تسعى الأبحاث دائمًا لتحسين الطرق المتبعة في توليد البيانات، ولا سيما في مجالات مثل أحلام الصور والتفاعلات المعقدة. في هذا السياق، تم تقديم تقنية جديدة تُعرف باسم "إعادة تمكين الزمن المدرك للهندسة" (Geometry-Aware Time Reparameterization) والتي تفتح آفاقًا جديدة لتحسين جودة الخرائط التفاعلية (Flow-Map) باستخدام طريقة مبتكرة.

تمكن هذه التقنية الباحثين من دراسة كيفية تأثير تغييرات في معلمات الزمن على عملية التعلم للتغيرات الزمنية المحددة لنموذج أوديجينيراتي (Generative ODE) المدرب مسبقًا. الفرضية التي انطلقت منها هذه الدراسة تتمثل في أن أجزاء المسار التي تعاني من تسارع عرضي كبير تكون أصعب في التقطيع والتعلم. لذا، تم اقتراح أسلوب جديد يعيد تخصيص الوقت للطالب بما يتيح له تكريس المزيد من الوقت للمناطق الأكثر تحديًا، مع الحفاظ على مسارات المعلم الجيومترية وتوزيعها النهائي.

ولتحقيق ذلك، تمّ تطوير ساعة مشتركة (Shared Clock) تعمل على توازن الإحصائيات المتعلقة بالتسارع وفق شروط مناسبة. كما تم إنجاز تقريب عملي مستند إلى تقديرات موثوقة تم الحصول عليها من مسارات المعلم، مما يسمح بإدماج الساعة في عملية التقطيع. تتميز هذه التقنية بسهولة استخدامها حيث يتم تقدير الساعة مرة واحدة قبل التقطيع، ولا تتطلب إعادة تدريب المعلم أو إضافة معلمات جديدة للطالب.

تُظهر التجارب التي تم إجراؤها على بيانات اصطناعية ومجموعات بيانات مشهورة مثل CIFAR-10 وCelebA-64 تحسنًا ملحوظًا في جودة العينات مقارنة بتقنيات التقطيع التقليدية. وتبرز النتائج بشكل خاص في توليد الصور في خطوة واحدة، مما يسلط الضوء على فوائد إعادة تمكين الزمن خلال عملية التعلم.