شهدت تقنية إنشاء الصور التي تعمل بالذكاء الاصطناعي نمواً ملحوظاً في السنوات القليلة الماضية منذ ظهور نماذج الاختلاط النصي إلى صورة كبيرة مثل DALL-E و GLIDE و Stable Diffusion و Imagen وغيرها. على الرغم من أن نماذج إنشاء الصور التي تعمل بالذكاء الاصطناعي لها هيكل فريد وأساليب تدريب مختلفة، إلا أنها جميعاً تشترك في نقطة محورية واحدة: إنشاء صور مخصصة ومتطابقة تهدف إلى إنشاء صور ذات هوية ونمط وموضوع متسقين بناءً على صور المرجع.

بفضل قدراتها التوليدية المذهلة، وجدت إطارات إنشاء الصور التي تعمل بالذكاء الاصطناعي تطبيقات في مجالات تشمل إنشاء صور متحركة وواقع افتراضي وتجارة إلكترونية وصور بورتريه تعمل بالذكاء الاصطناعي وغيرها. ومع ذلك، على الرغم من قدراتها التوليدية المذهلة، فإن جميع هذه الإطارات تشترك في تحدي مشترك، وهي عدم khảية معظمها في إنشاء صور مخصصة مع الحفاظ على التفاصيل الدقيقة للهويات البشرية.

إن إنشاء صور مخصصة مع الحفاظ على التفاصيل الدقيقة هو أمر بالغ الأهمية، خاصة في مهام الهوية البشرية التي تتطلب معياراً عالياً من الدقة والتفاصيل، بالإضافة إلى معاني دقيقة أكثر مقارنة بمهام إنشاء صور عامة التي تركز بشكل رئيسي على النسيج الخشن والألوان. وعلاوة على ذلك، فإن إطارات توليد الصور المخصصة في السنوات الأخيرة مثل LoRA و DreamBooth و Textual Inversion وغيرها قد تقدمت بشكل كبير.

ومع ذلك، فإن نماذج توليد الصور المخصصة التي تعمل بالذكاء الاصطناعي لا تزال غير كاملة للنشر في سيناريوهات العالم الحقيقي لأنها تتطلب مساحة تخزين كبيرة، وتتطلب صور مرجع متعددة، وغالبًا ما تحتاج إلى عملية تحسين طويلة. من ناحية أخرى، على الرغم من أن الأساليب القائمة على التضمين التي تتطلب فقط مرجعًا واحدًا إما أن تفتقر إلى التوافق مع النماذج المُدربة مسبقًا، أو تتطلب عملية تحسين زائدة عبر العديد من المعاملات، أو تفشل في الحفاظ على دقة عالية.

للتغلب على هذه التحديات، ولتعزيز قدرات إنشاء الصور بشكل أكبر، سنناقش في هذا المقال InstantID، وهو حل قائم على نموذج الاختلاط لإنشاء الصور. InstantID هو وحدة قابلة للتشغيل التي تتعامل مع إنشاء الصور واعتمادها ببراعة عبر各种 أنماط باستخدام صورة مرجع واحدة فقط، كما يضمن دقة عالية.

InstantID: إنشاء صورة متطابقة مع الحفاظ على الهوية

ساهمت ظهور نماذج الاختلاط النصي إلى صورة بشكل كبير في تقدم تقنية إنشاء الصور. الهدف الرئيسي من هذه النماذج هو إنشاء مخصص ومتطابق، وإنشاء صور ذات موضوع ونمط ونمط متسقين باستخدام صورة مرجع واحدة أو أكثر.

ومع ذلك، على الرغم من قدراتها الرائعة، فإن هذه الإطارات تواجه تحدياً أساسياً: غالبًا ما تعاني من إنشاء صور مخصصة التي تحافظ على التفاصيل الدقيقة للأشخاص بدقة.

إن إنشاء صور مخصصة مع الحفاظ على التفاصيل الدقيقة هو مهمة صعبة، لأن الهوية البشرية تتطلب درجة أعلى من الدقة والتفاصيل، بالإضافة إلى معاني دقيقة أكثر مقارنة بالموضوعات أو الأنماط التي تركز بشكل رئيسي على الألوان أو النسيج الخشن.

هناك ثلاث سمات مميزة تفصل إطار InstantID عن إطارات إنشاء الصور القائمة على النص الحالية.

• التوافق والتشغيل: بدلاً من التدريب على معاملات كاملة من إطار UNet، يركز إطار InstantID على تدريب محول خفيف الوزن.

• خالي من التعديل: منهجية إطار InstantID تلغي الحاجة إلى التعديل لأنها تحتاج فقط إلى تطور واحد للاستدلال، مما يجعل النموذج عملياً واقتصادياً للغاية.
• أداء متفوق: يظهر إطار InstantID مرونة عالية ودقة لأنها قادرة على تقديم أداء على مستوى الدولة باستخدام صورة مرجع واحدة فقط، قابلة للمقارنة مع أساليب التدريب التي تعتمد على صور مرجع متعددة.

InstantID: منهجية وهيكل

كما ذكرنا ранее، إطار InstantID هو محول خفيف الوزن فعال يمنح نماذج الاختلاط النصي إلى صورة المُدربة مسبقًا القدرة على الحفاظ على الهوية بسهولة.

بالنسبة للهيكل، يتم بناء إطار InstantID على نموذج Stable Diffusion، المعروف بقدرته على أداء عملية الاختلاط بفعالية حسابية عالية في فضاء 潜 المنخفض الأبعاد بدلاً من فضاء البكسل مع محول ذاتي.

التدريب والاستدلال

خلال مرحلة التدريب، يُحدد إطار InstantID معاملات IdentityNet ومحول الصورة بينما يُجمد معاملات نموذج الاختلاط المُدرب مسبقًا.

InstantID: التجارب والنتائج

ينفذ إطار InstantID نموذج Stable Diffusion ويدربه على مجموعة بيانات LAION-Face، وهي مجموعة بيانات مفتوحة المصدر كبيرة الحجم تتكون من أكثر من 50 مليون زوج من الصور والنص.

إنشاء الصور فقط

يستخدم نموذج InstantID س_prompt فارغاً لتوجيه عملية إنشاء الصور باستخدام صورة مرجع فقط، وتظهر النتائج بدون س_prompts في الصورة التالية.

أفكار ختامية

في هذا المقال، ناقشنا InstantID، وهو حل قائم على نموذج الاختلاط لإنشاء الصور. InstantID هو وحدة قابلة للتشغيل التي تتعامل مع إنشاء الصور واعتمادها ببراعة عبر各种 أنماط باستخدام صورة مرجع واحدة فقط، كما يضمن دقة عالية.