Apple تطوّر MT-EditFlow لتحرير الصور بالذكاء الاصطناعي على عدة خطوات

نشر مختبر الأبحاث Apple ML Research ورقة MT-EditFlow، وهي طريقة لتدريب نماذج تحرير الصور على العمل في حوار متعدد الخطوات مع المستخدم، باستخدام التعلّم المعزَّز وتقنية flow matching.

ما المشكلة في نماذج التحرير الحالية؟

تتفوق نماذج تحرير الصور الحديثة بالتعليمات النصية، مثل GPT-4o Image وGemini وغيرهما، في التعديلات المنفردة: «إزالة الخلفية»، «إضافة قبعة»، «تغيير لون السترة». لكن سيناريو الاستخدام الفعلي يختلف: يحسّن المستخدم النتيجة تدريجيًا، فيطلب أولًا إضاءة أفتح قليلًا، ثم يطلب نقل العنصر إلى اليمين، ثم يعدّل الظلال.

يرصد مؤلفو MT-EditFlow إخفاقين رئيسيين في هذا النوع من التحرير متعدد الخطوات.

الأول هو مبدأ «الكل أو لا شيء»: تنهار الجلسة متعددة الخطوات بأكملها إذا نُفِّذت خطوة وسيطة واحدة على نحو سيئ. فالنموذج لا ينال «مكافأة» جزئية على النتائج الوسيطة الجيدة.

الثاني هو انحياز التعرّض (exposure bias): يرى النموذج أثناء التدريب الصور الأصلية، بينما يعمل أثناء الاستدلال على مخرجاته السابقة هو. والانجراف المتراكم بين توزيع التدريب وتوزيع الاستدلال يؤدي إلى تدهور الجودة مع كل تكرار.

كيف يعمل MT-EditFlow؟

يقترح المؤلفون تدريب النموذج بالتعلّم المعزَّز فوق بنية flow matching، وهي فئة من النماذج التوليدية تحدّد تدفقًا مستمرًا من التحويلات ينتقل من الضوضاء إلى الصورة.

الفكرة الأساسية: بدلًا من التدريب على أزواج «الأصل ← التعديل» فقط، يتعلّم النموذج من مسارات كاملة متعددة الخطوات، ويتلقى إشارة مكافأة على جودة النتيجة النهائية. وهذا يعالج مباشرة مشكلة «الكل أو لا شيء»، ويعالج معها انحياز التعرّض، إذ يرى النموذج أثناء التدريب مخرجاته الوسيطة الخاصة.

وتضمن تقنية flow matching توليدًا مستقرًا: فمسار التحويل الحتمي للصورة أسهل في التصحيح عند كل خطوة من العملية العشوائية في الانتشار (diffusion).

لماذا يهم ذلك المنتجات التي تعتمد التحرير بالذكاء الاصطناعي؟

التحرير متعدد الخطوات هو تجربة الاستخدام المعتادة في أي أداة احترافية تقريبًا: يعمل المصممون والمصورون والمستخدمون العاديون بالتكرار، لا بموجّه واحد مثالي. وإخفاق النماذج الحالية في هذا النمط قيد منهجي.

إذا وصل نهج MT-EditFlow إلى مرحلة الإنتاج (لم تحدد Apple موعدًا لذلك)، فقد يعني ذلك سلوكًا أكثر قابلية للتنبؤ بدرجة ملحوظة من محرّر الذكاء الاصطناعي في أدوات مثل Apple Photos أو في أي تطبيقات خارجية مبنية على نماذجها.

ماذا يعني ذلك

تقترح Apple ML Research حلًا منهجيًا لتحرير الصور بالذكاء الاصطناعي على عدة خطوات، إذ تعالج المشكلة على مستوى التدريب لا على مستوى المعالجة اللاحقة. وإذا تأكدت النتائج في اختبارات مرجعية مستقلة، فقد يصبح MT-EditFlow نهجًا أساسيًا جديدًا للجيل القادم من أدوات التحرير المعتمدة على الذكاء الاصطناعي.