💻 computer science

CIAR: Interval-based Collaborative Decoding for Image Generation Acceleration

يُعد CIAR إطار عمل تعاوني بين السحابة والجهاز يعمل على تسريع التوليد الذاتي الانحدار للصور من خلال توظيف كمِّم لعدم اليقين في الرموز (tokens) على الجهاز باستخدام فترات احتمالية مستمرة لنقل الرموز غير المؤكدة فقط إلى السحابة، مما يحقق تسريعاً بمقدار 2.18 ضعفاً وانخفاضاً بنسبة 70% في طلبات السحابة مع الحفاظ على دقة بصرية عالية.

المؤلفون الأصليون: Keming Ye, Zhou Zhao, Fan Wu, Shengyu Zhang

نُشر 2026-03-27

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Keming Ye, Zhou Zhao, Fan Wu, Shengyu 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

تخيل أنك تحاول رسم جدارية ضخمة وواقعية للغاية على حائط. لديك مساعدان:

الفنان المحلي (هاتفك): سريع، رخيص، ومستعد دائماً، لكنه قد يكون غير دقيق أحياناً. يمكنه تخمين كيف يجب أن تبدو السماء أو الحقل العشبي في لحظة، لكنه قد يخطئ في التفاصيل الدقيقة لوجه أو حافة مبنى.
الرسام الماهر (السحابة): موهوب ودقيق للغاية، لكنه بطيء في الوصول إلى الحائط ومكلف في استئجاره. يمكنه إصلاح أي خطأ، ولكن إذا طلبت منه رسم كل ضربة فرشاة بمفردها، فستستغرق العملية وقتاً طويلاً جداً.

المشكلة:
مولدات الصور الحالية بالذكاء الاصطناعي تشبه "الفنان المحلي" الذي يحاول رسم الجدارية بمفرده. إنهم بطيئون لأنهم يضطرون لرسم كل نقطة صغيرة (توكن) واحدة تلو الأخرى، مع التحقق من عملهم بعد كل نقطة. وإذا حاولوا جعل "الرسام الماهر" يتحقق من كل نقطة، فسيتم سداد اتصال الإنترنت وسينتظر المستخدم وقتاً طويلاً.

الحل: CIAR (التعاون الذكي)
يقدم البحث CIAR، وهي طريقة جديدة تجعل الفنان المحلي والرسام الماهر يعملان معاً بكفاءة. بدلاً من طلب التحقق من كل شيء من الرسام الماهر، يستخدم CIAR "مقياس ثقة ذكي" ليقرر ما الذي يحتاج إلى فحص وما الذي لا يحتاج.

إليك كيف يعمل ذلك، مقسماً إلى مفاهيم بسيطة:

1. "مقياس الثقة بالفترات" (محدد عدم اليقين)

عادةً، يقول الفنان المحلي: "أعتقد أن هذه النقطة زرقاء". لكن في بعض الأحيان، يكون غير متأكد.

الطريقة القديمة: يحاول الفنان المحلي تخمين الاحتمال الدقيق لكل لون. هذا يشبه محاولة عد كل حبة رمل على الشاطئ لتقرر ما إذا كان شاطئاً أم لا. إنه الكثير من العمليات الحسابية بالنسبة لهاتف.
طريقة CIAR: يستخدم الفنان المحلي أداة خاصة تسمى Inter-Head. بدلاً من إعطاء رقم واحد دقيق، فإنه يعطي نطاقاً (فترة).
- مثال توضيحي: بدلاً من قول "أنا متأكد بنسبة 99.9% أن هذا أزرق"، يقول الفنان المحلي "أنا متأكد تقريباً أنه يتراوح بين 90% و95% أزرق".
- إذا كان النطاق ضيقاً (90-95%)، فإن الفنان المحلي واثق. لا داعي لاستدعاء الرسام الماهر.
- إذا كان النطاق واسعاً (10-90%)، فإن الفنان المحلي مرتبك. استدعِ الرسام الماهر فوراً.

هذا النهج القائم على "الفترات" أسرع وأخف بكثير للهاتف من محاولة أن يكون دقيقاً تماماً.

2. "الفحص الانتقائي" (فك التشفير التعاوني)

بمجرد أن يمتلك الفنان المحلي نطاقاً من الثقة:

الأشياء المملة (عدم يقين منخفض): للمناطق الناعمة مثل السماء الزرقاء أو الحائط الأبيض، يقوم الفنان المحلي برسمها بنفسه. الرسام الماهر يثق به. هذا يوفر وقتاً هائلاً وبيانات ضخمة.
الأشياء الصعبة (عدم يقين مرتفع): للحواف المعقدة، أو الوجوه، أو الأنسجة، يعترف الفنان المحلي قائلاً: "أنا لست متأكداً". ثم يرسل حزمة صغيرة من البيانات إلى الرسام الماهر.
وظيفة الرسام الماهر: لا يكتفي الرسام الماهر بقول "نعم" أو "لا". بل ينظر إلى "نطاق" الفنان المحلي والمكان الصعب المحدد، ثم يقوم بإصلاحه فوراً.

3. "التدريب" (محاذاة التوزيع)

هناك خطر: إذا أصبح الفنان المحلي واثقاً جداً ورسم قسماً كاملاً بشكل خاطئ، فقد يرتبك الرسام الماهر لاحقاً لأن الأسلوب لن يتطابق.

حل CIAR: يستخدمون طريقة تدريب خاصة (تسمى Inter-DRO) تعلم الفنان المحلي التفكير تماماً مثل الرسام الماهر. الأمر يشبه قيام الرسام الماهر بإعطاء "دليل أسلوب" للفنان المحلي، بحيث حتى عندما يعمل الفنان المحلي بمفرده، يظل على نفس الصفحة مع الخبير.

النتيجة: لماذا يعد هذا أمراً كبيراً؟

السرعة: لأن الفنان المحلي يتولى 70% من العمل بمفرده، يتم إنشاء الصورة بأكملها أسرع بـ 2.18 مرة.
توفير البيانات: أنت تحتاج فقط لطلب المساعدة من الرسام الماهر في حوالي 30% من الوقت، مما يقلل استخدام البيانات بنسبة 70%.
الجودة: تبدو الصور بجودة تضاهي ما لو قام الرسام الماهر بكل شيء، لأن الأجزاء "الصعبة" لا تزال تحصل على لمسة الخبير.

باختصار:
CIAR يشبه تعيين مدير موقع ذكي (الهاتف) يعرف تماماً متى يقوم بالعمل بنفسه ومتى يستدعي الخبير (السحابة). ومن خلال استخدام "نطاقات الثقة" بدلاً من "التخمينات الدقيقة"، يعمل المدير بشكل أسرع، ويوفر المال، ويقدم في النهاية لوحة فنية رائعة. هذا يجعل توليد الصور عالية الجودة بالذكاء الاصطناعي ممكناً مباشرة على هاتفك دون انتظار دقائق للحصول على النتيجة.

إليك ملخص تقني مفصل لورقة البحث بعنوان "CIAR: فك التشفير التعاوني القائم على الفترات لتسريع توليد الصور" (ICLR 2026).

1. بيان المشكلة

حققت النماذج ذات التشفير الذاتي (Auto-regressive - AR) أداءً رائدًا في توليد الصور عالية الدقة، مما جعلها تضاهي نماذج الانتشار (Diffusion models). ومع ذلك، فإن نشر هذه النماذج على الأجهزة محدودة الموارد يعوقه مشكلتان حرجتان:

الكثافة الحسابية والتأخير المتسلسل: تقوم نماذج الـ AR بتوليد الرموز (tokens) واحدًا تلو الآخر، مما يؤدي إلى بطء سرعة الاستدلال وارتفاع زمن التأخير، وهو أمر إشكالي للتطبيقات التي تعمل في الوقت الفلي.
عدم كفاءة التعاون الحالي بين السحابة والجهاز: بينما يوفر التشفير التخميني (Speculative Decoding - SD) إطار عمل للتعاون بين السحابة والجهاز، تعاني الطرق الحالية من:
- الأعباء الباهظة: تتوسع رموز الصور تربيعيًا مع الدقة. إن التحقق من كل رمز يؤدي إلى انفجار في البيانات، مما يجعل عرض نطاق الشبكة (bandwidth) هو العائق الأساسي.
- هدر التحقق الموحد: تعامل طرق الـ SD التقليدية جميع مناطق الصورة بالتساوي. ومع ذلك، تُظهر البيانات المرئية عدم يقين متباين مكانيًا: المناطق المتجانسة (الخلفيات، الأسطح الناعمة) يمكن التنبؤ بها بدرجة عالية (إنتروبيا منخفضة)، بينما الحدود والأنسجة تكون غير مؤكدة (إنتروبيا عالية). إن التحقق من الرموز المتكررة والمتوقعة يهدر موارد السحابة وعرض نطاق الشبكة دون تحسين الجودة.
- مقاييس عدم اليقين غير الكافية: تفشل مقاييس الإنتروبيا التقليدية عند التعامل مع المفردات المرئية الضخمة وتتجاهل السياق المكاني، مما يؤدي إلى ضعف في التحقق الذاتي على الأجهزة.

2. المنهجية: إطار عمل CIAR

يقترح المؤلفون إطار عمل CIAR (التشفير الذاتي التعاوني القائم على الفترات)، وهو مصمم لتسريع التشفير على الأجهزة مع الحفاظ على الدقة المرئية من خلال تعاون سحابي ذكي وانتقائي. يتكون النظام من ثلاثة مكونات أساسية:

أ. مُكمِّم عدم اليقين القائم على الفترات في الجهاز (Inter-Head)

بدلاً من استخدام توزيعات الاحتمالات المنفصلة أو الإنتروبيا القياسية، يقدم CIAR وحدة Inter-Head خفيفة الوزن على الجهاز.

فترات الاحتمال المستمرة: تنتج وحدة Inter-Head مركز اللوجيت ( $c_t$ ) ونصف قطر اللوجيت ( $r_t$ ) لكل رمز، مما يحدد فترة احتمالية مستمرة $[p^l_t, p^u_t]$ . هذا يلتقط الطبيعة المستمرة للتوزيعات المرئية بشكل أفضل من المجموعات المنفصلة.
درجة عدم اليقين المبتكرة: لتحديد ما إذا كان يجب قبول الرمز محليًا أو إرساله إلى السحابة، يحسب CIAR درجة عدم يقين محددة $U(P_t)$ $U (P_{t})$ بناءً على عاملين:
1. حجم الغموض الكلي ( $\Omega$ ): مجموع عرض الفترات (معيار L1)، والذي يمثل الحجم الإجمالي لمساحة الاحتمالات.
2. تفاوت الثقة ( $\Sigma$ ): الانحراف المعياري لعروض الفترات، والذي يمثل تباين عدم اليقين (anisotropy).
- الصيغة: $U(P_t) = \Omega \times \Sigma$ .
- المنطق: يتم إنشاء درجة عالية فقط عندما يكون هناك غموض كلي كبير و عدم يقين غير منتظم وهيكلي (مما يشير إلى أن رموزًا معينة من المحتمل أن تكون خاطئة). أما الضبابية المنتظمة عبر جميع الرموز فتُعامل كأولوية منخفضة.
العتبة الديناميكية: الرموز التي تكون فيها $U(P_t) \leq \tau$ تُقبل محليًا؛ أما غيرها فيتم تعليمها للتحقق السحابي.

ب. وحدة التشفير المعززة سحابيًا

لمنع انحراف التوزيع (حيث يبتعد التوليد المحلي للجهاز عن توقعات النموذج السحابي)، يستخدم CIAR ما يلي:

حقن البادئة (Prefix Injection): يقوم النموذج السحابي بتوليد بادئة قصة وعالية الجودة من الرموز قبل تسليم المهمة للجهاز. هذا يثبت توليد الجهاز على التوزيع الدلالي الصحيح.
التشفير المعزز بالفترات: عندما يرسل الجهاز الرموز غير المؤكدة إلى السحابة، فإنه يرسل أيضًا ميزات الفترة (مركز ونصف قطر اللوجيت) المستمدة من Inter-Head. يقوم النموذج السحابي بحقن هذه الميزات في وحدة فك التشفير الخاصة به، مما يسمح له بجعل عملية التحقق وإعادة أخذ العينات مشروطة بمستويات الثقة المحددة للجهاز، وبالتالي الحفاظ على الاتساق.

ج. استراتيجية تدريب محاذاة التوزيع (Inter-DRO Loss)

بما أن بنية Inter-Head تختلف عن طبقة المخرات القياسية في السحابة، فإن الأمر يتطلب استراتيجية تدريب متخصصة لمحاذاة تنبؤات الفترات في الجهاز مع توزيع السحابة.

خسارة Inter-DRO: مستوحاة من التحسين القوي للتوزيع (DRO)، تعامل دالة الخسارة الحد الأدنى لفترة الاحتمال كـ "أسوأ سيناريو".
المكونات:
- خسارة المرساة (Anchor Loss): تضمن محاذاة الفترات المتوقعة مع لوجيتات الحقيقة الأرضية (ground truth) في السحابة.
- إعادة الوزن التنافسي (Adversarial Reweighting): تضع أوزانًا ثقيلة على العينات التي يصعب التنبؤ بها (الخسارة العالية) لتحسين المتانة.
- تباعد KL (KL Divergence): تفرض المحاذاة بين تنبؤ المركز في الجهاز وتوزيع السحابة.

3. المساهمات الرئيسية

إطار عمل CIAR: إطار عمل جديد للتشفير التعاوني بين السحابة والجهاز يلغي التحقق الموحد غير الضروري من خلال الاستفادة من التحقق الذاتي على الجهاز بناءً على عدم اليقين الفتري.
Inter-Head وتقدير الفترات: بنية جديدة تُنتج فترات احتمالية مستمرة بدلاً من التوزيعات المنفصلة، مما يسمح بقياس دقيق لعدم اليقين للمفردات المرئية الضخمة بتعقيد حسابي أقل.
تدريب معزز بالفترات: استراتيجية خسارة Inter-DRO التي نجحت في محاذاة مخرات الفترات للجهاز مع توزيع النموذج السحابي، متجاوزة الاختلافات الهيكلية.
الموازنة بين الكفاءة والأداء: يثبت أن التحقق الانتقائي القائم على عدم اليقين المتباين مكانيًا يقلل بشكل كبير من الطلبات السحابية دون التضحية بجودة الصورة.

4. النتائج التجريبية

أُجريت تجارب واسعة النطاق على نماذج LlamaGen (المرحلة الأولى والثانية) و Anole باستخدام مجموعة بيانات MS-COCO.

التسريع وزمن التأخير: يحقق CIAR تسريعًا بنسبة 2.18× في زمن تأخير الاستدلال مقارنة بالنموذج الأساسي (AR).
تقليل طلبات السحابة: يقلل من الطلبات السحابية بنسبة 70% (لتصل إلى حوالي 30% من إجمالي الرموز التي تتطلب تحققًا) مقارنة بطرق التشفير التخميني الموجودة مثل Lantern.
جودة الصورة: يحافظ CIAR على دقة مرئية عالية، محققًا درجات مساوية أو متفوقة في مقاييس CLIP و FID و F1 و HPSv2 مقارنة بالنماذج المرجعية.
- مثال: في LlamaGen المرحلة الأولى، حقق CIAR درجة CLIP تبلغ 0.3159 و FID تبلغ 24.25، متفوقًا على Lantern (CLIP 0.3159, FID 25.55) و CoDe (CLIP 0.2827, FID 35.67).
المقارنة مع الطرق المنفصلة: يتفوق النهج الفتري المستمر بشكل كبير على طرق تعداد الحلول المنفصلة، التي تعاني من توسع أسي في زمن التأخير مع زيادة حجم المفردات.
المتانة: تظل الطريقة فعالة عبر مختلف ظروف الشبكة (5G، 4G، WiFi)، مما يخفض نسبة التواصل إلى إجمالي زمن التأخير بشكل كبير مقارنة بطرق التحقق الموحد.

5. الأهمية

يعالج CIAR عقبة حرجة في نشر الذكاء الاصطناعي التوليدي على الأجهزة الطرفية. فمن خلال الإدراك بأن ليس كل رموز الصور غير مؤكدة بنفس الدرجة، فإنه يغير النموذج من "التحقق من كل شيء" إلى "التحقق مما يهم".

النشر العملي: يجعل توليد الصور عالي الدقة عبر الـ AR ممكنًا على الأجهزة المحمولة من خلال تقليل الاعتماد على الحوسبة السحابية الثقيلة وعرض نطاق الشبكة بشكل كبير.
الرؤية النظرية: تقدم الورقة تبريرًا رياضيًا صارمًا لاستخدام الفترات الاحتمالية المستمرة ومقياس عدم اليقين القائم على الضرب (الحجم × التفاوت) للتركيب المرئي، مما يفتح اتجاهًا جديدًا لقياس عدم اليقين في النماذج ذات المفردات الضخمة.
القابلية للتوسع: إطار العمل مستقل عن البنية (architecture-agnostic) وقد ثبتت قابليته للتعميم على نماذج أخرى مثل التنبؤ بالقياس التالي (Next-Scale Prediction - VAR) ونماذج الانتشار (DiT)، مما يشير إلى تطبيق واسع في مجال تسريع الذكاء الاصطناي التوليدي.