تحسين وقت الاستدلال في نماذج الانتشار: مقارنة مذهلة بين استراتيجيات تحسين جديدة

في عالم الذكاء الاصطناعي، حققت نماذج الانتشار العميق (Deep Diffusion Models) قفزات نوعية في إنتاج الصور عالية الجودة. ومع ذلك، فإن السعي لتحقيق أهداف معينة مع هذه النماذج يتطلب غالبًا تعديلات مكلفة مثل التوليف الدقيق (Fine-Tuning)، ما يجعل العملية مكلفة من حيث الموارد والوقت.

مع ذلك، هناك نهج بديل مثير يدعى تحسين التحكم في وقت الاستدلال (Inference-Time Control)، الذي يتيح تحسين تضمينات المطالبات (Prompt Embeddings) لتوجيه عملية التوليد دون الحاجة لتغيير أوزان النموذج.

في بحثنا، نستعرض كيفية البحث عن تحسينات تضمين المطالبات لنموذج Stable Diffusion XL Turbo، حيث نقارن بين مقاربة evolutive خالية من التدرجات تُعرف بإستراتيجية تكييف مصفوفة التباين القابلة للفصل (Separable Covariance Matrix Adaptation Evolution Strategy - sep-CMA-ES) ومُحسِّن شائع الاستخدام يعتمد على التدرجات وهو تقدير الزخم التكيفي (Adaptive Moment Estimation - Adam).

تم تقييم الصور المرشحة باستخدام هدف موزون يجمع بين نموذج جمالية LAION Predictor V2 وCLIPScore، مما يمكّن من تحقيق توازن صريح بين جودة الجمال وملاءمة صورة المطالبة. وعلى مدار تجاربنا مع 36 مطالبة تم أخذها من Parti Prompts (P2) تحت ثلاثة إعدادات للوزن (الجمال فقط، متوازن، ملاءمة فقط)، كانت النتائج مذهلة حيث حقق sep-CMA-ES باستمرار قيم أهداف أعلى من Adam.

أضفنا أيضًا تحليلًا لتباين النتائج مع الأساس غير المحسن باستخدام تشابه جيب الزاوية (Cosine Similarity) وSSIM، بالإضافة إلى تقارير حول استهلاك الحوسبة والذاكرة. تشير هذه النتائج إلى أن sep-CMA-ES يمثل محسنًا فعالًا لوقت الاستدلال في بحث تضمين المطالبات، مما يُحسن من توازن الجمال والملاءمة واستخدام الموارد دون الحاجة للتوليف الدقيق للنموذج.

يبدو أن هذا التطور في تحسين نماذج الذكاء الاصطناعي يحمل في طياته العديد من الفرص المثيرة، ما رأيكم في تطبيق هذه الاستراتيجيات في مشاريعكم الخاصة؟ شاركونا أفكاركم في التعليقات.