💻 computer science

GDPO-SR: Group Direct Preference Optimization for One-Step Generative Image Super-Resolution

تقترح هذه الورقة البحثية إطار عمل GDPO-SR، وهو إطار عمل مبتكر يدمج بين تحسين التفضيل المباشر للمجموعات (Group Direct Preference Optimization) ونموذج انتشار أحادي الخطوة مدرك للضجيج ودالة مكافأة مدركة للسمات، وذلك لتعزيز أداء عملية التراكب الفائق للصور التوليدية أحادية الخطوة من خلال معالجة أوجه القصور في العشوائية، وتنوع العينات، والحفاظ على التفاصيل المحلية.

المؤلفون الأصليون: Qiaosi Yi, Shuai Li, Rongyuan Wu, Lingchen Sun, Zhengqiang Zhang, Lei Zhang

نُشر 2026-03-18

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Qiaosi Yi, Shuai Li, Rongyuan Wu, Lingchen Sun, Zhengqiang Zhang, Lei Zhang

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

الصورة الكبيرة: إصلاح الصور الضبابية في لمح البصر

تخيل أن لديك صورة قديمة، ضبابية ومنخفضة الدقة لجدتك. أنت تريد تحويلها إلى تحفة فنية واضحة وعالية الدقة. هذا ما يسمى بـ تحسين دقة الصور (Image Super-Resolution - ISR).

لفترة طويلة، كانت أجهزة الكمبيوتر بارعة في جعل الصور أكثر حدة ولكن ليس بالضرورة أكثر واقعية. مؤخرًا، تعلمت نماذج الذكاء الاصطﻲعي (مثل نماذج الانتشار/Diffusion Models) كيف "تتخيل" أو تستنتج التفاصيل المفقودة (مثل ملمس الجلد أو نسيج القميص) لجعل الصور تبدو مذهلة.

ومع ذلك، هناك عقبة:

الطريقة البطيئة: أفضل نماذج الذكاء الاصطﻲعي تستغرق خطوات عديدة لـ "إزالة الضجيج" من الصورة، مثل النحات الذي ينحت تمثالاً ببطء من كتلة من الرخام. وهذا يستغرق وقتاً طويلاً.
الطريقة السريعة: تحاول النماذج الجديدة "ذات الخطوة الواحدة" القيام بالمهمة بأكمل طاقتها في لحظة واحدة. ولكن لأنها سريعة جداً، فإنها غالباً ما تكون جامدة للغاية. فهي تعمل مثل آلة التصوير المستندات: إذا أعطيتها نفس الصورة الضبابية، فإنها تنتج دائماً نفس النتيجة بالضبط، حتى لو كانت تلك النتيجة ضبابية قليلاً أو تفتقر إلى التفاصيل. إنها تفتقر إلى الخيال.

هدف هذا البحث: هل يمكننا جعل "الطريقة السريعة" (ذات الخطوة الواحدة) مبدعة وعالية الجودة مثل "الطريقة البطيئة"، دون إبطاء سرعتها؟

المشكلة: الفنان "الممل"

أدرك المؤلفون أن نماذج الذكاء الاصطﻲعي السريعة الحالية تشبه فناناً مملاً يرفض المخاطرة.

المشكلة: إذا طلبت من هذا الفنان رسم شجرة، فسوف يرسم نفس الشجرة في كل مرة، حتى لو طلبت منه المحاولة مجدداً.
لماذا يهم هذا: لتعليم الذكاء الاصطﻲعي ليكون أفضل، تحتاج إلى إظهار أمثلة لنتائج "جيدة" مقابل "سيئة" حتى يتمكن من التعلم مما يفضله البشر. ولكن إذا كان الذكاء الاصطﻲعي ينتج دائماً نفس النتيجة، فلا يمكنك إظهار تنويعات مختلفة له ليتعلم منها. الأمر يشبه محاولة تعليم طاهٍ كيف يطبخ بشكل أفضل من خلال السماح له بصنع نفس الشطيرة بالضبط في كل مرة.

الحل: GDPO-SR (نهج "المجموعة")

يقترح المؤلفون طريقة تدريب جديدة تسمى GDPO-SR. اعتبرها وصفة مكونة من ثلاثة أجزاء لتحويل ذلك الفنان الممل إلى عبقري مبدع يعمل في لمح البصر.

1. "حقن الضجيج" (NAOSD)

أولاً، يعطون الفنان علبة سحرية من الغليتر (الضجيج).

كيف يعمل: قبل أن يحاول الذكاء الاصطﻲعي إصلاح الصورة، يقومون بحقن القليل من "الضجيج" العشوائي (مثل هز كرة الثلج).
التشبيه: تخيل أنك تطلب من فنان رسم شجرة، لكنك تهز الطاولة بقوة مختلفة في كل مرة. أحياناً تجعل الهزة الشجرة تبدو خضراء وارفة؛ وفي أحيان أخرى تبدو ذابلة قليلاً.
الحيلة: يستخدمون استراتيجية خاصة تسمى "الخطوات الزمنية غير المتساوية" (Unequal Timesteps). يهزون الطاولة بقوة (ضجيج عالٍ) لخلق التنوع، ولكن بعد ذلك ينظفون الفوضى بلطف (ضجيج منخفض) لضمان عدم تلف الصورة النهائية. هذا يخلق مجموعة من النسخ المختلفة من نفس الصورة من نفس المدخلات.

2. "اختبار التذوق" (المكافأة المدركة للخصائص)

الآن بعد أن قام الذكاء الاصطﻲعي بإنشاء مجموعة من الصور المختلفة (بعضها جيد وبعضها سيء)، يحتاجون إلى الحكم عليها.

المشكلة: قد يقول حكم بسيط: "هذه تبدو حادة"، لكنه قد يغفل عن أن الملمس يبدو مزيفاً. أو قد يقول: "هذه تبدو فنية"، لكنه يغفل عن أن المبنى مائل.
الحل: أنشأوا حكماً ذكياً (دالة المكافأة).
التشبيه: تخيل ناقد طعام يتذوق طبقاً.
- إذا كان الطبق عبارة عن حساء ناعم (منطقة ناعمة في الصورة، مثل سماء زرقاء)، فإن الناقد يهتم أساساً بـ الدقة (Fidelity) (هل اللون صحيح؟).
- أما إذا كان الطبق عبارة عن يخنة سميكة (منطقة مليئة بالتفاصيل، مثل جدار من الطوب أو فرو)، فإن الناقد يهتم أكثر بـ الإدراك (Perception) (هل يبدو شهياً وواقعياً؟).
- يقوم حكم الذكاء الاصطﻲعي تلقائياً بتغيير معاييره بناءً على الجزء الذي ينظر إليه في الصورة. فهو يعطي درجة عالية لأفضل نسخة في المجموعة ودرجة منخفضة للأسوأ.

3. "حلقة النقاش الجماعية" (استراتيجية GDPO)

أخيراً، يتعلم الذكاء الاصطﻲعي من هذه المجموعة.

الطريقة القديمة (DPO): كان يُعرض للذكاء الاصطﻲعي صورة واحدة جيدة وصورة واحدة سيئة فقط. فتعلم قائلاً: "حسناً، أنا أحب الصورة الجيدة".
الطريقة الجديدة (GDPO): يرى الذكاء الاصطﻲعي مجموعة كاملة من الصور (حلقة نقاش). ويقارنها جميعاً ببعضها البعض.
التشبيه: بدلاً من عرض ورقة واحدة "ممتازة" وورقة واحدة "ضعيفة" على طالب، يظهر المعلم له كومة كاملة من المقالات. يقول المعلم: "انظر إلى هذه، إنها الأفضل. وانظر إلى تلك، إنها الأسوأ. وانظر إلى الأخرى التي بينهما. الآن، حاول أن تكتب مثل الأفضل".
من خلال مقارنة المجموعة بأكملها، يتعلم الذكاء الاصطﻲعي بشكل أسرع وأكثر فعالية أي التفاصيل هي المهمة.

النتائج: سريع، حاد، وواقعي

اختبر البحث هذه الطريقة الجديدة (GDPO-SR) ووجد أنها:

سريعة: لا تزال تستغرق خطوة واحدة فقط لإنشاء الصورة (مثل ومضة فلاش)، لذا فهي سريعة جداً.
عالية الجودة: تنتج صوراً أكثر حدة وتحتوي على تفاصيل أكثر واقعية (مثل ملمس الطوب أو عروق الأوراق) من الطرق السريعة السابقة.
متوازنة: هي لا تجعل الأشياء تبدو "رائعة" فحسب (ما قد يجعلها تبدو مزيفة)، بل تحافظ على صورة أصلية مع إضافة التفاصيل المفقودة.

ملخص في جملة واحدة

لقد علموا ذكاءً اصطỹعينياً سريعاً كيف "يتخيل" نسخاً مختلفة من صورة ضبابية، واستخدموا حكماً ذكياً لاختيار أفضل التفاصيل من تلك النسخ، ثم علموا الذكاء الاصطﻲعي أن يهدف دائماً إلى الوصول لتلك النسخة الأفضل — مما نتج عنه صور فورية، عالية الدقة، وواقعية.

إليك ملخص تقني مفصل لورقة البحث بعنوان "GDPO-SR: Group Direct Preference Optimization for One-Step Generative Image Super-Resolution".

1. بيان المشكلة

تتناول الورقة القيود المفروضة على النماذج التوليدية ذات الخطوة الواحدة لرفع دقة الصور (One-Step Generative ISR) والتحديات المتعلقة بتطبيق التعلم التعزيزي (RL) في هذا المجال المحدد.

الطبيعة الحتمية للنماذج ذات الخطوة الواحدة: تقوم طرق الـ ISR الحالية ذات الخطوة الواحدة (مثل OSEDiff وInvSR) بربط مباشر بين المدخلات منخفضة الدقة (LR) والمخرجات عالية الدقة (HR) دون استخدام ضجيج عشوائي أولي. هذا السلوك الحتمي يمنع توليد مخرجات متنوعة لنفس المدخل، وهو شرط أساسي لتحسين التفضيل القائم على التعلم التعزيزي (مثل DPO أو GRPO).
قيود طرق التعلم التعزيزي الحالية:
- تحسين التفضيل المباشر (DPO): يعتمد عادةً على أزواج (إيجابي/سلبي) مُولدة مسبقاً (offline)، مما يحد من تنوع العينات وكفاءة البيانات.
- تحسين المجموعة النسبي (GRPO): يولد عينات متعددة عبر الإنترنت (online) ولكنه يحسب الاحتمالية على الصورة بأكملها. هذا النهج العالمي غالباً ما يتجاهل التفاصيل المحلية (الأنسجة، الحواف) الضرورية لعملية الـ ISR، مما قد يؤدي إلى تدهور الجودة البصرية.
المقايضة: توفر نماذج الانتشار متعددة الخطوات قدرة توليدية عالية ولكنها تعاني من تكاليف حوسبة مرتفعة وظاهرة الهلوسة. أما النماذج ذات الخطوة الواحدة فهي فعالة ولكنها تفتقر إلى التنوع التوليدي والتفاصيل.

2. المنهجية

يقترح المؤلفون إطار عمل GDPO-SR، الذي يدمج تحسين التفضيل المباشر للمجموعة (GDPO) مع نموذج مبتكر لـ الانتشار أحادي الخطوة الواعي بالضجيج (NAOSD).

أ. الانتشار أحادي الخطوة الواعي بالضجيض (NAOSD)

لتمكين التعلم التعزيزي، يجب أن يولد النموذج مخرجات متنوعة من مدخل واحد منخفض الدقة (LR).

الآلية: يقوم النموذج بحقن ضجيج غاوسي ( $\epsilon$ ) يمكن التحكم فيه في السمات الكامنة (latent features) لصورة الـ LR قبل عملية إزالة الضجيج أحادية الخطوة.
استراتيجية الخطوات الزمنية غير المتساوية: قدم المؤلفون استراتيجية حيث يتم فصل الخطوة الزمنية لإضافة الضجيج ( $t_{add}$ $t_{a dd}$ ) عن الخطوة الزمنية لإزالة ضجيج الانتشار ( $t_{diff}$ $t_{d i f f}$ ).
- يتم ضبط $t_{add}$ عند قيمة أعلى لتوسيع مساحة أخذ العينات وزيادة التنوع.
- يتم ضبط $t_{diff}$ عند قيمة أقل (أكثر تحفظاً) للحفاظ على دقة إعادة البناء ومنع تدهور الأداء الناتج عن الضجيج المفرط.
البنية: تعتمد على Stable Diffusion (SD2.1)، باستخدام تقنية LoRA لضبط الـ VAE والـ UNet.

ب. تحسين التفضيل المباشر للمجموعة (GDPO)

يجمع GDPO بين دقة DPO وكفاءة GRPO.

عملية من مرحلتين:
1. حساب الميزة (Advantage Calculation):
  - لكل مدخل LR، يولد النموذج مجموعة من $G$ من المرشحين لـ ISR عن طريق أخذ عينات من نواقل ضجيج مختلفة.
  - دالة مكافأة مدركة للسمات (ARF): تم تصميم دالة مكافأة مبتكرة لتقييم العينات. وهي توازن بين المقاييس المرجعية الكاملة (FR) (مثل PSNR للدقة) والمقاييس غير المرجعية (NR) (مثل MANIQA وMUSIQ للجودة الإدراكية).
  - الأوزان الديناميكية: يتم ضبط أوزان مقاييس FR وNR ديناميكياً بناءً على محتوى الصورة. يتم تقسيم الصورة إلى مناطق ناعمة ومناطق تفصيلية (باستخدام تدرجات Sobel وإنتروبيا Shannon). المناطق الناعمة تفضل مقاييس FR، بينما المناطق التفصيلية تفضل مقاييس NR.
  - الميزة النسبية للمجموعة: يتم تحويل المكافآت المطلقة إلى ميزات نسبية للمجموعة ( $A_i$ ) عن طريق التطبيع (normalization) مقابل متوسط المجموعة والانحراف المعياري.
2. تحسين السياسة (Policy Optimization):
  - يتم تحديث النموذج باستخدام خسارة Diffusion-DPO معدلة تدمج الميزات النسبية للمجموعة.
  - تعطي دالة الخسارة الأولوية للعينات ذات الميزات الأعلى (الجودة الأفضل) بينما تعاقب العينات الأقل جودة، مما يؤدي بفعالية إلى مواءمة السياسة مع تفضيلات البشر دون الحاجة إلى بيانات مقترنة جاهزة.

3. المساهمات الرئيسية

إطار عمل GDPO: أول تطبيق لـ Group Direct Preference Optimization على الـ ISR التوليدي أحادي الخطوة، متجاوزاً القيد الحتمي للنماذج أحادية الخطوة الحالية.
نموذج NAOSD: بنية انتشار أحادية الخطوة واعية بالضجيض مع استراتيجية خطوات زمنية غير متساوية تنجح في حقن عشوائية يمكن التحكم فيها لتوليد مخرجات متنوعة دون التضحية بدقة إعادة البناء.
دالة مكافأة مدركة للسمات (ARF): آلية مكافأة ديناميكية تتكيف مع محتوى الصورة (المناطق الناعمة مقابل المناطق ذات الملمس) لموازنة الدقة والجودة الإدراكية، مما يعالج خلل "الاحتمالية العالمية" الموجود في GRPO القياسي.
دمج DPO وGRPO: يستفيد الأسلوب من أخذ العينات الجماعي عبر الإنترنت (مثل GRPO) من أجل الكفاءة، مع الحفاظ على قيود مستوى البكسل (مثل DPO) للحفاظ على التفاصيل المحلية.

4. النتائج التجريبية

قيم المؤلفون GDPO-SR على مجموعات بيانات واقعية (DRealSR, RealSR) واصطناعية (DIV2K-val).

الأداء الكمي:
- مقابل النموذج الأساسي (NAOSD): تفوق GDPO-SR باستمرار على النموذج الأساسي في جميع المقاييس، محققاً مكاسب كبيرة في كل من الدقة (PSNR, SSIM) والجودة الإدراكية (MANIQA, MUSIQ).
- مقابل أحدث التقنيات (SOTA): حقق GDPO-SR أفضل أو أقرب النتائج بين كل من الطرق متعددة الخطوات (StableSR, SeeSR) وأحادية الخطوة (OSEDiff, InvSR).
  - في DRealSR، حقق أعلى PSNR (28.18 dB) وSSIM (0.7839) مع الحفاظ على قيم LPIPS منخفضة (0.2851).
  - تفوق على طريقة التعلم التعزيزي متعددة الخطوات DP2OSR في مقاييس الدقة مع الحفاظ على درجات إدراكية تنافسية.
الأداء النوعي: أظهرت المقارنات البصرية أن GDPO-SR يعيد بناء الأنسجة بشكل أوضح (مثل جدران الطوب، عروق النباتات) ويتجنب آثار التنعيم المفرط أو الهلوسة الشائعة في الطرق المنافسة.
الكفاءة: يحافظ GDPO-SR على سرعة الاستدلال للنماذج أحادية الخطوة (~0.11 ثانية لكل صورة)، وهو ما يضاهي OSEDiff وInvSR، دون أي عبء حوسبي إضافي أثناء الاستدلال.
دراسات الاستئصال (Ablation Studies):
- أكدت أن استراتيجية الخطوات الزمنية غير المتساوية حاسمة لموازنة التنوع والدقة.
- أثبتت أن ARF (تحديداً الوزن التكيفي) يتفوق على استخدام الأوزان الثابتة أو أنواع المقاييس الفردية.
- أظهرت أن حجم المجموعة ( $G$ ) البالغ 6 يوفر التوازن الأمثل بين التنوع واستقرار التدريب.

5. الأهمية

تجسر هذه الورقة الفجوة بين الكفاءة في نماذج الانتشار أحادية الخطوة والقدرات التوليدية العالية لتحسين التفضيل القائم على التعلم التعزيزي.

تحول في النموذج: تثبت أن النماذج أحادية الخطوة يمكن تدريبها باستخدام التعلم التعزيزي لإنتاج مخرجات متنوعة وعالية الجودة، مما يتحدى الاعتقاد بأن العمليات متعددة الخطوات ضرورية للـ ISR التوليدي.
العملية: من خلال الحفاظ على وقت استدلال في خطوة واحدة، فإن الطريقة مناسبة جداً للتطبيقات التي تعمل في الوقت الفعلي مع تقديم جودة تضاهي نماذج الانتشار المكلفة حوسبياً.
القابلية للتعميم: تقدم استراتيجية GDPO المقترحة ودالة المكافأة المدركة للسمات اتجاهاً جديداً لتحسين مهام الانتشار أحيدي الخطوة الأخرى حيث يكون الحفاظ على التفاصيل المحلية أمراً بالغ الأهمية.