الضوضاء التكيفية في مُعاين SDE على Flux 3 Klein حسّنت الملمس بنسبة 1–2% فقط

يمكن تشغيل مولّدات الصور القائمة على flow matching بمُعاين عشوائي (stochastic)، يضيف عند كل خطوة ضوضاء جديدة. وعادةً ما تُضبط شدة هذه الضوضاء، أي المعامل eta، يدويًا مرة واحدة ثم تُترك ثابتة. قرر مؤلف دراسة على Habr أن يختبر ما إذا كان المُعاين قادرًا على اختيار eta بنفسه، خطوةً بخطوة، من البيانات المتوفرة لديه أصلًا. النتيجة سلبية في معظمها: لم يضف المخطط التكيفي شيئًا يُذكر، وبلغ أفضل أثر على Flux 3 Klein نحو 1–2% من قيمة مقياس الملمس.

الفكرة: التحكم بالضوضاء عبر إشارات مجانية

يحسب المحلّل متعدد الخطوات عند كل خطوة رقمين مفيدين على أي حال. الأول هو انحناء المسار، أي مدى حدّة انعطافه. والثاني هو التباين بين التنبؤ والتصحيح، وهو يُستخدم تقديرًا للخطأ المحلي. ولا تتطلب أي من القيمتين استدعاءات إضافية للشبكة، لذا فإن المخطط لا يكلّف شيئًا من حيث الحوسبة: لا تمريرات زائدة عبر النموذج، ولا زيادة في زمن التوليد.

كانت الفرضية منطقية. فإذا كانت الضوضاء تضر حيث يكون الحقل «صلبًا» وتفيد حيث يكون ناعمًا، فإن ميزانية ثابتة من الضوضاء موزعة بحسب الانحناء ينبغي أن تتفوق على القيمة الثابتة. وللتحقق من ذلك، كتب المؤلف عقدة (node) لـ ComfyUI وشغّلها على ثلاثة نماذج مفتوحة: Anima وFlux 3 Klein وMOSS-Image. وتراوح عدد الخطوات بين 6 و15.

القرار المنهجي الأهم هو اعتماد خط أساس عادل للمقارنة. فقد قورن كل تشغيل تكيفي بتشغيل بقيمة eta ثابتة وبميزانية الضوضاء الإجمالية نفسها تمامًا. ومن دون ذلك، فإن النتيجة «التكيفية» تتحول في الغالب، كما أظهر عمل المؤلف السابق، إلى مجرد «ضوضاء أقل» لا إلى توزيع أفضل.

ما الذي نجح وما الذي لم ينجح

لم ينجح الانحناء. لا يوجد مكسب مستقر على أي من النماذج، كما أن إشارة الأثر تتغير بحسب عدد الخطوات. وعمليًا يعني ذلك أنه لا ينبغي الاعتماد على الانحناء عند اختيار eta.

أما تقدير خطأ المحلّل فأعطى إشارة صغيرة لكنها قابلة للتكرار. فعند إضافة مزيد من الضوضاء حيث يكون الخطأ صغيرًا، يبلغ المكسب على Flux 3 Klein نحو 1–2% من قيمة مقياس الملمس. وقد تأكد ذلك على seed جديدة وفق معايير حُددت قبل التشغيل. وعلى MOSS-Image يظهر الأثر في اتجاه واحد فقط، أما على Anima فلم يرصده المؤلف. وعلى Krea 2 جاءت النتيجة غير مقنعة بسبب نقص القوة الإحصائية.

أما أكثر الاستنتاجات إثارة فيتعلق بالتكيف نفسه. فجدول الضوضاء الثابت، المحسوب بمتوسط تشغيلات مستقلة والمطبّق على جميع الصور، يعطي النتيجة نفسها التي يعطيها الاختيار خطوةً بخطوة. فالضوضاء عند حواف نافذة الضوضاء مفيدة، وأهميتها أقل في المنتصف. وبعبارة أخرى، ما يهم هو موضع الضوضاء على المسار، لا ما يراه المُعاين في لحظة بعينها. وبذلك يصبح المنطق التكيفي زائدًا: يكفي جدول محسوب مسبقًا، لا يكلّف شيئًا في وقت التشغيل (runtime) وأسهل في تصحيح الأخطاء.

لم يلحظ الناس الفرق

أجرى المؤلف استطلاعًا شمل 39 شخصًا، طُلب فيه من المشاركين اختيار الصورة الأكثر شبهًا بالمولَّدة بالذكاء الاصطناعي من بين صورتين. وقد لاحظ المشاركون الفرق الكبير بين الضوضاء الضعيفة والقوية، لكنهم لم يتمكنوا من تمييز التوزيع الجديد للضوضاء عن المعتاد. وهكذا، فحتى المكسب الصغير القابل للقياس في الفضاء الكامن لا يتحول إلى تحسن مرئي.

القيود والخلاصة العملية

يعدّد المؤلف بنفسه نقاط ضعف العمل. فالمقاييس تُحسب في الفضاء الكامن لا بحسب الإدراك البصري. واستُخدم افتراضيًا 16 زوجًا من الصور لكل ميزانية ضوضاء. وعلى Anima استُخدمت نسخة من ComfyUI مختلفة عن النسخة المستخدمة مع بقية النماذج. والاستطلاع غير رسمي، وأُجري دون انتقاء للمشاركين. وكل ذلك لا يتيح تعميم الاستنتاجات على نماذج وأنماط أخرى من دون إعادة التحقق.

أما الخلاصة العملية لمطوّري خطوط المعالجة (pipelines) فبسيطة. إذا كنتم تضبطون مُعاين SDE لنموذج flow-matching، فلا داعي لتعقيده بقواعد تكيفية: اختاروا أولًا جدول ضوضاء ثابتًا يراعي حواف النافذة، وتحققوا من النتيجة عند تساوي الميزانية الإجمالية. وإلا فهناك خطر أن تعدّوا مجرد خفض الضوضاء نجاحًا للطريقة.

يرى المؤلف أن النتائج السلبية من هذا النوع تستحق أن تُروى، ونشر الشيفرة والأرقام الخاصة بكل صورة وتحليل الاستطلاع في المستودع flow-sde-research على GitHub. والنسخة الأولية (preprint) متاحة على Zenodo.