⚡ electrical engineering

Dual Ascent Diffusion for Inverse Problems

تقدم هذه الورقة "صعود الرفع المزدوج" (Dual Ascent Diffusion)، وهو إطار تحسين صعود مزدوج مبتكر يستفيد من مسبقات نماذج الانتشار لحل المشكلات العكسية غير محددة الحل بجودة صورة فائقة، ومتانة تجاه الضجيج، وسرعة، ودقة في الملاحظة مقارنة بالطرق الحالية المتطورة.

المؤلفون الأصليون: Minseo Kim, Axel Levy, Gordon Wetzstein

نُشر 2026-05-15

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Minseo Kim, Axel Levy, Gordon Wetzstein

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول حل لغز، لكن شخصاً ما التقط صورة لقطع اللغز، ثم لوث الصورة بالدهون، ثم اقتطع منها جزءاً ضخماً. هدفك هو تخمين كيف كان شكل اللغز الأصلي والمثالي. في عالم العلوم والهندسة، يسمى هذا "المسألة العكسية" (Inverse Problem). الأمر يشبه محاولة معرفة كيف بدا شخص ما قبل أن يسير عبر مرآة ضبابية ومشوهة.

لفترة طويلة، كانت الحواسيب جيدة في تخمين القطع المفقودة، لكنها غالباً ما كانت "تهلوس" (تختلق تفاصيل غير موجودة) أو تنتج نتائج ضبابية وغير دقيقة.

تقدم هذه الورقة البحثية طريقة جديدة تسمى DDiff (الانتشار ثنائي الصعود - Dual Ascent Diffusion)، والتي تعمل كحلّال ألغاز أكثر ذكاءً وانضباطاً. إليك كيف تعمل، باستخدام تشبيهات بسيطة:

1. المشكلة: "لعبة التخمين"

تستخدم الطرق الحالية نماذج ذكاء اصطناٍ قوي (تسمى نماذج الانتشار - Diffusion Models) التي تعلمت كيف تبدو الصور "الطبيعية". فكر في هذه النماذج كفنان قد رأى الملايين من الصور ويعرف تماماً كيف ينبغي أن يبدو الوجه، أو المبنى، أو الشجرة.

عند حل لغز ما، تحاول هذه الطرق الجمع بين شيئين:

الأدلة: ما تظهره الصورة الضبابية والتالفة فعلياً.
حدس الفنان: كيف ينبغي أن تبدو الصورة بناءً على تدريب الذكاء الاصطناعي.

المشكلة هي أن الطرق الموجودة غالباً ما تعاني في موازنة هذين الأمرين؛ فقد تستمع كثيراً إلى الأدلة فتنتج فوضى مليئة بالضجيج، أو تستمع كثيراً إلى الفنان فتخترع تفاصيل لم تكن موجودة في الصورة الأصلية (الهلوسة).

2. الحل: "فريق من ثلاثة أشخاص"

ابتكر المؤلفون إطار عمل جديداً يسمى DDiff يعامل المشكلة كأنها تفاوض بين ثلاثة أدوار محددة، يراقب كل منهم عمل الآخر باستمرار. إنهم يستخدمون استراتيجية رياضية تسمى "الصعود الثنائي" (Dual Ascent) (مستوحاة من طريقة تسمى ADMM) للحفاظ على التناغم بينهم.

تخيل العملية كفريق من ثلاثة أشخاص يحاولون ترميم لوحة تالفة:

الشخص (أ) (حافظ البيانات): وظيفته الوحيدة هي التأكد من أن الصورة النهائية تطابق الأدلة الضبابية (القياسات). هو يقول باستمرار: "مهلاً، هذا الجزء لا يشبه الصورة التي أُعطيت لنا!"
الشخص (ب) (خبير الفن): وظيفته هي جعل الصورة تبدو واقعية وحادة، باستخدام معرفة الذكاء الاصطناعي بكيفية ظهور الصور. هو يقول: "هذا الحرف يبدو متعرجاً جداً، دعونا نجعله ناعماً ليبدو كصورة حقيقية."
الشخص (ج) (الحكم): هذا هو الإضافة الحاسمة والجديدة. الشخص (ج) يمسك بـ "متغير ثنائي" (بطاقة تقييم). هو يراقب الشخص (أ) والشخص (ب). إذا اختلف الشخص (أ) والشخص (ب)، يقوم الشخص (ج) بتعديل مستوى التوتر بينهما. هو يضمن ألا يخترع خبير الفن تفاصيل مزيفة، وألا يعلق حافظ البيانات في الضجيج.

3. كيف يعملون معاً (الرقصة)

بدلاً من مجرد تقديم تخمين وتمني الأفضل، يقوم الفريق بتبادل الأدوار في إجراء تعديلات صغيرة في حلقة مستمرة:

يقوم خبير الفن بتنظيف الصورة لجعلها تبدو واقعية.
يقوم حافظ البيانات بتعديل الصورة للتأكد من أنها تتوافق مع الأدلة الضبابية.
يقوم الحكم بفحص "الفجوة" بين الاثنين. إذا بدأت الصورة تبتعد كثيراً عن الأدلة، يقوم الحكم بسحبها للعودة. وإذا كانت مليئة بالضجيج، يسمح للحكم بأن يجعل خبير الفن ينعمها.

تثبت الورقة رياضياً أنه إذا استمررتم في هذه "الرقصة"، سيتوقف الفريق عن الجدال ويتفقون على حل واحد مثالي. وهذا ما يسمى "التقارب إلى نقطة ثابتة" (Convergence to a fixed point).

4. لماذا هي أفضل؟

تزعم الورقة أن DDiff متفوقة على الطرق السابقة لثلاثة أسباب رئيسية:

هي أكثر أمانة: فهي تنشئ صوراً تطابق الأدلة الضبابية الأصلية بشكل وثيق جداً. في اختبارات الورقة، كان "خطأ المتبقي" (الفرق بين التخمين والدليل الفعلي) أقرب إلى الصفر. وهذا يعني أنها تخترع تفاصيل مزيفة أقل.
تتعامل مع الضجيج بشكل أفضل: إذا كانت الصورة الأصلية متسخة جداً أو مليئة بالضجيج (مثل صورة التُقطت في عاصفة شديدة)، فإن DDiff لا ترتبك. تظل قوية ولا ترتبك بسبب التشويش، بينما قد تنتج الطرق الأخرى فوضى مشوهة.
هي أسرع: لأن الفريق يعمل معاً بكفاءة، تصل DDiff إلى نتيجة عالية الجودة في خطوات أقل من الطرق الأخرى. إنه يشبه حل اللغز في نصف الوقت.

5. الاختبارات الواقعية

اختبر المؤلفون هذا "الفريق المكون من ثلاثة أشخاص" في مهام صعبة متنوعة، مثل:

التحسين الفائق (Super-resolution): تحويل صورة صغيرة وضبابية إلى صورة كبيرة وحادة.
الترميم (Inpainting): ملء أجزاء مفقودة ضخمة من صورة (مثل مربع بمقاس 128×128 مفقود من وجه).
إزالة الضباب (Deblurring): إصلاح الصور التي تبدو باهتة بسبب حركة الكاميرا.
استعادة الطور (Phase Retrieval): مسألة فيزيائية معقدة حيث يتعين عليك إعادة بناء صورة من أنماط موجية (تُستخدم غالباً في المجهر).

في جميع هذه الاختبارات، أنتجت DDiff صوراً أكثر حدة ونقاءً مع عيوب أقل مقارنة بأحدث الطرق الحالية.

الملخص

باختختصار، DDiff هي طريقة جديدة لاستخدام الذكاء الاصطناعي لإصلاح الصور التالفة. بدلاً من ترك الذكاء الاصطناعي يخمن بحرية، فإنه يضعه في "فريق" منظم مع "حكم" صارم. هذا يضمن أن النتيجة النهائية واقعية (تبدو كصورة حقيقية) ودقيقة (تتطابق بالفعل مع الأدلة الضبابية التي بدأنا بها)، حتى عندما تكون الأدلة مليئة بالضجيج أو غير مكتملة.

ملخص تقني: الانتشار الصاعد المزدوج للمسائل العكسية

بيان المشكلة

تتضمن المسائل العكسية تقدير إشارة أو صورة مجهولة $x$ من ملاحظات $y$ مشوبة بالضجيج وفاسدة، تحكمها عملية أمامية $A(\cdot)$ . هذه المسائل منتشرة في مجالات تتراوح من الفيزياء الفلكية والتصوير الطبي إلى تحديد بنية البروتين. وهي عادة ما تكون مسألة سيئة التحديد، مما يستلزم استخدام نماذج سابقة (priors) لتقييد فضاء الحل.

بينما تستخدم الأساليب الحديثة نماذج الانتشار المدربة مسبقاً كنماذج سابقة قوية، تواجه الطرق الحالية التي تهدف لحل مسائل الاحتمال الأقصى البعدي (MAP) أو أخذ العينات من التوزيع البعدي (posterior) قيوداً كبيرة. تعتمد العديد من هذه الطرق على تقريبات حسابية للجمع بين احتمالية نموذج الملاحظة والنموذج السابق للانتشار. يمكن أن تؤدي هذه التقريبات غالباً إلى عينات غير دقيقة، أو جودة إعادة بناء دون المستوى الأمثل، أو الفشل في تمثيل الملاحظات بأمانة (أي بقايا عالية)، وهو ما قد يتجلى في شكل "هلوسات" في الحل الناتج. علاوة على ذلك، تعاني العديد من الأساليب المتطورة حالياً من مستويات عالية من ضجيج القياس وتعاني من عدم الكفاءة الحسابية بسبب تراكم الأخطاء أو الحاجة إلى خطوات إضافية من سلسلة ماركوف مونت كارلو (MCMC).

المنهجية: الانتشار الصاعد المزدوج (DDiff)

يقترح المؤلفون DDiff، وهو إطار عمل جديد لحل مسائل MAP باستخدام نماذج الانتشار المدربة مسبقاً. على عكس الطرق التي تحاول أخذ عينات من التوزيع البعدي بشكل مثبت، يركز DDiff على اشتقاق استراتيجية تحسين تحل مسألة MAP بدقة وكفاءة. الطريقة مستوحاة من طريقة خوارزمية "طريقة الضرب المباشر لمتعددات القياس" (ADMM)، لكنها تقدم هيكلاً جديداً لـ الانتشار الصاعد المزدوج مصمماً خصيصاً لنماذج الانتشار.

المكونات الخوارزمية الأساسية

يتكرر إطار عمل DDiff عبر ثلاث تحديثات رئيسية ضمن كل خطوة، بالتناوب بين المتغيرات الأولية ( $x, z$ ) والمتغير المزدوج ( $u$ ):

تحديث x (الأمانة للبيانات): بدلاً من حل مسألة المربعات الصغرى المقيدة بدقة، يستخدم DDiff نهج ADMM خطي. يقوم بخطوة واحدة من الانحدار الاشتقاقي على حد الأمانة للبيانات $-\log p(y|x)$ ، مما يسمح بتطبيق الطريقة مباشرة على أي نموذج أمامي تفاضلي $A(\cdot)$ ، سواء كان خطياً أو غير خطي.
$x \leftarrow v - \gamma \nabla_v \|y - A(v)\|_2^2, \quad \text{حيث } v = z - u$
تحديث z (إزالة الضجيج): تستبدل هذه الخطوة التطبيق الساذج لنموذج الانتشار كمنظف للضجيج. لاحظ المؤلفون أن نماذج الدرجة القياسية $s_\theta(x, t)$ دقيقة فقط على "متعدد الانتشار" (diffusion manifold) عند الزمن $t$ . ولمعالجة حقيقة أن المتغير $x+u$ لا يقع عموماً على هذا المتعدد، يبني DDiff متغيراً تكرارياً $x_t$ يثبت عملية إزالة الضجيج. يتضمن التحديث خطوة انتشار عكسي بأسلوب DDIM حيث يكون "الـ $x_0$ المتوقع" هو التقدير الأولي الحالي $x$ ، ويتم إعادة تحجيم المتغير المزدوج $u$ وإضافته للحفاظ على الاتساق مع مستوى الإشارة.
$z \leftarrow \frac{1}{\sqrt{\bar{\alpha}_t}} (x_t + (1-\bar{\alpha}_t)s_\theta(x_t, t))$
حيث يتم تحديث $x_t$ عبر خطوة DDIM تتضمن المتغير المزدوج $u$ .
التحديث المزدوج: يتم تحديث المتغير المزدوج $u$ لفرض القيد $x=z$ عن طريق تجميع خطأ المتبقي بين المتغيرات الأولية:
$u \leftarrow u + x - z$

الامتداد الكامن (Latent Extension)

تم توسيع الإطار إلى LatentDDiff للاستخدام مع نماذج الانتشار الكامنة (LDMs). يعمل هذا المتغير على تمثيلات كامنة مضغوطة لتقليل متطلبات الذاكرة والحوسبة. وهو يدعم نمطين لفرض الاتساق مع البيانات:

Latlet-DC: يفرض الاتساق مباشرة في الفضاء الكامن، مما يتطلب الانتشار العكسي عبر فك الترميز (decoder).
Pixel-DC: يقوم بفك ترميز المتغير الكامن إلى فضاء البكسل، ويطبق تصحيح الاتساق مع البيانات، ثم يعيد الترميز. يشير المؤلفون إلى أن Pixel-DC يعطي باستمرار إعادة بناء بجودة أعلى.

المساهمات الرئيسية

إطار الانتشار الصاعد لنماذج الانتشار السابقة: يقدم البحث استراتيجية تحسين جديدة تدمج الانتشار الصاعد (المستوحى من ADMM) مع نماذج الانتشار. تتجنب هذه الطريقة التقريبات الشائعة في طرق أخذ عينات التوزيع البعدي.
إثبات تقارب النقطة الثابتة: أثبت المؤلفون أول إثبات لتقارب النقطة الثابتة لطريقة تحسين قائمة على الانتشار. لقد أظهروا أنه تحت افتراضات المنظف والاشتقاق المحدودة، تتقارب متواليات المتغيرات الأولية والمزدوجة إلى نقطة ثابتة $(x^\star, z^\star, u^\star)$ ، حتى بدون افتراض وجود نموذج سابق محدب.
تحسين المتانة والأمانة: صُممت الطريقة لإنتاج حلول تنمذج الملاحظات بأمانة أكبر، وهو ما يتضح من البقايا الأقرب إلى الصفر مقارنة بالطرق الأخرى. هذا يقلل من احتمالية حدوث "الهلوسات" التي يسببها النموذج السابق التوليدي.
الكفاءة: يحقق DDiff أوقات استدلال أسرع من خلال إلغاء الحاجة إلى خطوات موازنة MCMC التكميلية (المطلوبة من قبل طرق مثل DAPS) وتقليل عدد تقييمات الدوال العصبية (NFEs) المطلوبة لنتائج عالية الجودة.

النتائج التجريبية

قيم المؤلفون DDiff على مجموعة واسعة من المسائل العكسية الخطية وغير الخطية، بما في ذلك تعزيز الدقة (super-resolution)، والترميم (inpainting)، وإزالة الضبابية الغاوسية وحركة الضبابية، واستعادة الطور (phase retrieval)، وإزالة الضبابية غير الخطية، وتصوير المدى الديناميكي العالي (HDR). أُجريت التجارب على مجموعات بيانات FFHQ وImageNet.

الأداء الكمي: تفوق DDiff على النماذج المرجعية المتطورة (بما في ذلك DAPS, DMPlug, DCDP, DPS, DiffPIR, DDRM) في معظم المهام. حقق درجات متفوقة في نسبة الإشارة إلى الضجيج الذروية (PSNR)، ومؤشر التشابه الهيكلي (SSIM)، وتشابه الباتشات الإدراكي (LPIPS). والجدير بالذكر أنه حقق أدنى أخطاء المتبقي، مما يشير إلى اتساق أفضل مع البيانات.
المتانة تجاه الضجيج: أظهرت الطريقة متانة أكبر بكثير تجاه المستويات العالية من ضجيج القياس. بينما أظهرت بعض الطرق المرجعية تدهوراً سريعاً في PSNR مع زيادة الضجيج، حافظ DDiff على أداء مستقر. في سيناريوهات الضجيج العالي (مثل استعادة الطور مع $\sigma=0.3$ )، استعاد DDiff الهياكل العالمية والدلالات المتماسكة حيث أنتجت الطرق الأخرى عيوباً تالفة.
الكفاءة: من حيث كفاءة الوقت، حقق DDiff جودة إدراكية أفضل بعدد أقل من NFEs مقارنة بـ DAPS. تطلب حوالي نصف وقت أخذ العينات للمهام الخطية وسدس الوقت للمهام غير الخطية لتحقيق نتائج مماثلة أو متفوقة.
دراسات الاستئصال (Ablation Studies): أكدت التجارب أن كلاً من تحديث المتغير المزدوج وخطوة التنويم (Noising step) المحددة (المعادلة 12 في الورقة) أمران حاسمان. أدى إزالة المتغير المزدوج (محاكاة لـ DiffPIR) أو إزالة خطوة التنويم إلى انخفاض كبير في الأداء، خاصة فيما يتعلق بالعيوب عالية التردد والاتساق مع البيانات.

الأهمية والادعاءات

يدعي البحث أن DDiff يمثل تقدماً كبيراً في حل المسائل العكسية باستخدام نماذج الانتشار عبر الانتقال من تقريبات أخذ عينات التوزيع البعدي إلى إطار عمل قوي للانتشار الصاعد. يؤكد المؤلفون أن طريقتهم:

تنمذج الملاحظات بأمانة: من خلال تقليل المتبقيات، مما يقلل من تأثير "الهلوسة" الذي يظهر غالباً في حلول المسائل العكسية التوليدية.
كفؤة حسابياً: تزيل عقبة خطوات MCMC وتقلل العبء الحسابي لحسابات الاشتقاق.
مؤسسة نظرياً: يوفر إثبات التقارب المقدم ضماناً نظرياً لاستقرار الطريقة، وهي ميزة تفتقر إليها العديد من مناهج التحسين القائمة على الانتشار سابقاً.

يخلص المؤلفون إلى أن DDiff هو حل عملي للمسائل العكسية المعقدة واسعة النطاق، خاصة في السيناريوهات التي يبرز فيها ضجيج القياس، مثل إعادة بناء التصوير المقطعي المحوسب منخفض الجرعة. ويُقترح العمل المستقبلي لتوسيع الإطار ليشمل بيانات ذات أبعاد أعلى مثل الأحجام ثلاثية الأبعاد والفيديو.