في عالم الذكاء الاصطناعي، تظل نماذج تحويل النص إلى صورة (text-to-image models) قادرة على تجميع كمية هائلة من المعرفة البصرية. ولكن، تبقى تلك النماذج تواجه صعوبة في تطوير هوية بصرية محددة من خلال عدد قليل من المراجع، مما يعيق قدرتها على الحفاظ على التحكم المركب في الإبداعات.

تكمن الحلول التقليدية في استخدام طرق تضمين الرموز (token-embedding methods) أو طرق الملحقات (adapter-based methods)؛ حيث تقدم الأولى خصائص مضغوطة ولكن غالبًا ما تفقد الهوية، بينما يمكن للتقنيات الثانية تحسين الدقة عبر تحديثات وزن مستمرة، لكن قد تأتي بتكاليف تخزين عالية.

هنا يأتي دور V-Engram، وهي آلية ذاكرة خارجية موجهة لغرض زيادة كفاءة نماذج Stable Diffusion 3.5، حيث تُعتمد كل فكرة على محفز صريح يُسترجع منه ذاكرة محددة تعكس تلك الفكرة. هذه الآلية تفصل الذاكرة عن التكيف الأساسي، مما يسمح بالوصول الانتقائي إلى المفاهيم المتعددة دون دمج نتائج النموذج.

أظهرت التجارب أن V-Engram تحقق توائمًا مع DreamBooth-LoRA في معدل الدقة العامة لموضوعات معينة، بينما تُظهر مزايا في السياقات التي تتطلب الحفاظ على الموضوعات. تحمّل التحميلات المتطابقة للمحفزات إدخالات متطابقة فقط، مما يقلل من التعديلات اللاحقة المطلوبة للطلبات ذات الفكرة الواحدة.

كما تكشف النتائج النوعية عن تصميم متقارن للمحفزات وفصل بين الفئات، بينما تحتفظ الطلبات غير المسجلة بتصرف النموذج المجمد الأساسي. هذه النتائج تؤكد أن الذاكرة الموجهة عبر المحفزات تُعتبر واجهة معيارية قوية لإضافة أدلة بصرية مستهدفة دون الحاجة لإعادة كتابة المولد.

هل أنتم متحمسون لاستخدام هذه التقنية الجديدة في مشاريعكم؟ شاركونا آراءكم في التعليقات!