طورت Apple نظام MT-EditFlow لتحرير الصور بالذكاء الاصطناعي متعدد الخطوات

نشرت مختبرات أبحاث الذكاء الاصطناعي في Apple ورقة بحثية عن MT-EditFlow — طريقة لتدريب نماذج تحرير الصور للعمل في وضع حوار متعدد المراحل مع المستخدم، باستخدام التعلم المعزز وتقنية flow matching.

ما المشكلة مع نماذج تحرير الصور الحالية

تتفوق نماذج تحرير الصور الحالية المستندة إلى تعليمات نصية — GPT-4o Image و Gemini وغيرها — في عمليات التحرير المفردة: "إزالة الخلفية"، "إضافة قبعة"، "تغيير لون السترة". لكن السيناريو الفعلي للمستخدم مختلف: يقوم الشخص بتحسين النتيجة بشكل متكرر — أولاً بطلب جعلها أفتح قليلاً، ثم تحريك الكائن إلى اليمين، ثم تصحيح الظلال.

يحدد مؤلفو MT-EditFlow فشلين رئيسيين في التحرير متعدد المراحل بهذه الطريقة.

الأول هو مبدأ "كل شيء أو لا شيء": تفشل جلسة العمل متعددة المراحل بأكملها إذا تم تنفيذ خطوة وسيطة واحدة على الأقل بشكل سيء. النموذج لا يتلقى "مكافأة" جزئية للنتائج الوسيطة الجيدة.

الثاني هو انحياز التعريض (exposure bias): أثناء التدريب، يرى النموذج الصور الأصلية، لكن أثناء الاستدلال، يعمل مع مخرجاته السابقة الخاصة. يؤدي الانجراف المتراكم بين توزيعات التدريب والاستدلال إلى تدهور الجودة في كل تكرار.

كيف يعمل MT-EditFlow

يقترح المؤلفون تدريب النموذج بالتعلم المعزز أعلى معمارية flow matching — فئة من النماذج التوليدية التي تحدد تدفقاً مستمراً من التحولات من الضوضاء إلى الصورة.

الفكرة الرئيسية: بدلاً من التدريب فقط على أزواج "أصلي → تحرير"، يتعلم النموذج على مسارات متعددة المراحل كاملة، ويتلقى إشارة مكافأة لجودة النتيجة النهائية. يحل هذا مباشرة مشكلة "كل شيء أو لا شيء" كما يعالج انحياز التعريض — يرى النموذج مخرجاته الوسيطة الخاصة أثناء التدريب.

تضمن تقنية flow matching، في الوقت نفسه، توليداً مستقراً: مسار تحويل الصور الحتمي أسهل في التصحيح في كل خطوة من عملية الانتشار العشوائية.

لماذا هذا مهم لمنتجات تحرير الذكاء الاصطناعي

تحرير متعدد المراحل هو تجربة المستخدم القياسية لأي أداة احترافية تقريباً: يعمل المصممون والمصورون والمستخدمون العاديون في تكرارات، وليس باستخدام طلب واحد مثالي. فشل النماذج الموجودة في هذا الوضع هو قيد منظومي.

إذا وصل نهج MT-EditFlow إلى الإنتاج (Apple لا تحدد الجداول الزمنية)، فقد يعني ذلك سلوكاً لمحرر الذكاء الاصطناعي أكثر قابلية للتنبؤ به بشكل كبير في أدوات مثل Apple Photos أو أي تطبيقات تابعة لجهات خارجية بناءً على نماذجها.

ما معنى هذا

يقترح Apple ML Research حلاً منظومياً لتحرير الذكاء الاصطناعي متعدد المراحل، ويهاجم المشكلة على مستوى التدريب بدلاً من معالجة ما بعد المعالجة. إذا تم تأكيد النتائج في معايير مستقلة، فيمكن أن يصبح MT-EditFlow النهج الأساسي الجديد للجيل القادم من أدوات الذكاء الاصطناعي التحريرية.