FlowSlider: Training-Free Continuous Image Editing via Fidelity-Steering Decomposition

إليك ملخص تقني مفصل لورقة البحث بعنوان: "FlowSlider: التحرير المستمر للصور عبر تفكيك التوجيه بالدقة (Fidelity-Steering Decomposition) دون الحاجة للتدريب."

1. بيان المشكلة

يهدف التحرير المستمر للصور (Continuous Image Editing) إلى تزويد المستخدمين بتحكم من نوع "المنزلق" (slider-style) على شدة التعديل (على سبيل المثال، تغيير وجه من تعبير محايد إلى مبتسم، أو مشهد من ضبابي إلى صافٍ). وبينما تسمح الطرق الحالية بالتحرير الموجه بالنص، إلا أنها تعاني في تحقيق التحكم المستمر في الشدة في بيئة لا تتطلب تدريباً.

• محدودية الطرق القائمة على التعلم: تعتمد النهج الحالية (مثل Concept Sliders و Kontinuous Kontext) على تدريب وحدات مساعدة (مثل LoRA) باستخدام إشراف اصطناعي أو تقريبي. وهذا يؤدي إلى أعباء التدريب ويربط سلوك المنزلق بالتوزيع المحدد للتدريب، مما يقلل من الموثوقية عند التطبيق على مجالات أو تعديلات غير مرئية.
• محدودية الطرق التي لا تتطلب تدريباً: تتيح محررات التدفق المصحح (Rectified Flow) الحالية (تحديداً FlowEdit) تحريراً عالي الدقة دون الحاجة لعكس (inversion) أو تحسين (optimization). ومع ذلك، فهي تفتقر إلى آلية مبدئية للتحكم في الشدة. إن القياس الساذج لتحديث السرعة في FlowEdit (عن طريق ضرب متجه التحديث في ثابت $s$) يؤدي إلى شوائب (مثل الرنين أو الحدة المفرطة) وفقدان الدقة (fidelity loss) لأنه يضخم كلاً من التغيير الدلالي المطلوب وبقايا الضوضاء غير المرغوب فيها.

الهدف: تطوير طريقة لا تتطلب تدريباً تتيح تحكماً مستمراً ورتيباً (monotonic) في شدة التعديل مع الحفاظ بصرامة على هوية الصورة المصدر والحفاظ على اتجاه تعديل متسق.

---

2. المنهجية: FlowSlider

الابتكار الجوهل في FlowSlider هو تفكيك التوجيه بالدقة (Fidelity-Steering Decomposition). قام المؤلفون بتحليل آلية تحديث السرعة في FlowEdit وفككوا رياضياً التحديث إلى مكونين متميزين ومتعامدين تقريباً.

أ. التفكيك

في FlowEdit، يتم حساب تحديث سرعة التحرير $V^\Delta(t)$ كفرق بين سرعة المطالبة المستهدفة وسرعة المطالبة المصدر:
$$V^\Delta(t) = V(z_t^{\text{tar}}, t, c_{\text{tar}}) - V(z_t^{\text{src}}, t, c_{\text{src}})$$

يقدم FlowSlider حداً وسيطاً $V(z_t^{\text{tar}}, t, c_{\text{src}})$ لتفكيك $V^\Delta$ بدقة إلى:
$$V^\Delta(t) = \underbrace{\big(V(z_t^{\text{tar}}, t, c_{\text{tar}}) - V(z_t^{\text{tar}}, t, c_{\text{src}})\big)}_{\text{مصطلح التوجيه } (V_{\text{steer}})} + \underbrace{\big(V(z_t^{\text{tar}}, t, c_{\text{src}}) - V(z_t^{\text{src}}, t, c_{\text{src}})\big)}_{\text{مصطلح الدقة } (V_{\text{fid}})}$$

1. مصطلح التوجيه ($V_{\text{steer}}$): يمثل الانتقال الدلالي. وهو فرق "نفس الحالة، عبر المطالبات". يقوم بدفع الصورة من دلالات المصدر إلى دلالات الهدف.
2. مصطلح الدقة ($V_{\text{fid}}$): يمثل تثبيت المصدر. وهو فرق "نفس المطالبة، عبر الحالات". يعمل كمثبت يحافظ على المسار قريباً من نظام الاتساق مع المصدر، مما يحافظ على الهوية والبنية من خلال إلغاء مكونات الضوضاء المشتركة بين حالتي المصدر والهدف.

ب. آلية التحكم

بدلاً من قياس متجه التحديث بالكامل (الذي يضخم الضوضاء والشوائب)، يقوم FlowSlider بقياس مصطلح التوجيه فقط مع إبقاء مصطلح الدقة ثابتاً:
$$V^\Delta_s(t) = V_{\text{fid}}(t) + s \cdot V_{\text{steer}}(t)$$
حيث $s$ هو ثابت الشدة.

• $s=1$: يستعيد تحديث FlowEdit الأصلي.
• $s > 1$: يزيد من كثافة الدلالة دون زعزعة استقرار ديناميكيات الحفاظ على المصدر.
• $s < 1$: يخفف من حدة التعديل.

ج. التبرير الهندسي

أثبت المؤلفون أن $V_{\text{fid}}$ و $V_{\text{steer}}$ متعامدان تقريباً (الزوايا تتركز بالقرب من $90^\circ$).

• نظرًا لتعامدهما، فإن قياس $V_{\text{steer}}$ له تأثير أدنى على إسقاط التحديث على اتجاه الدقة.
• يضمن ذلك أن زيادة $s$ تزيد من قوة التعديل خطياً دون تعطيل آلية الاتساق مع المصدر، مما يمنع الانحراف والشوائب التي تظهر في القياس الساذج.

---

3. المساهمات الرئيسية

1. التحكم المستمر دون تدريب: يعد FlowSlider أول طريقة توفر تحكماً موثوقاً بأسلوب المنزلق للتحرير القائم على التدفق المصحح (Rectified Flow) دون الحاجة لأي تدريب لاحق، أو ضبط دقيق (fine-tuning)، أو إشراف ببيانات اصطناعية.
2. تفكيك التوجيه بالدقة: تقدم الورقة تفكيكاً جبرياً مبتكراً لسرعة التحرير إلى مكون توجيه دلالي ومكون تثبيت دقة. يسمح هذا بالتحكم المستقل في شدة التعديل والحفاظ على المصدر.
3. التحليل الهندسي: قدم المؤلفون أدلة تجريبية ونظرية على تعامد المكونين، مما يفسر لماذا يؤدي القياس المنفصل إلى نتائج مستقرة بينما يفشل القياس العالمي.
4. القدرة على التعميم: الطريقة مستقلة عن النموذج (model-agnostic) ضمن عائلة التدفق المصحح، وقد تم إثبات ذلك على كل من FLUX.1-dev و Stable Diffusion 3 Medium.

---

4. النتائج التجريبية

قيم المؤلفون FlowSlider على اختبار مرجعي للتحرير المستمر (250 عينة تغطي الفصول، الأنماط، الطقس، التعبيرات، إلخ) وعلى اختبار PIE-Bench العام.

المقاييس:

• جودة التعديل: تُقاس بواسطة CLIP-dir (المحاذاة الدلالية) و DreamSim (دقة/الحفاظ على المصدر).
• سلوك المنزلق: يُقاس بواسطة الرتابة (Monotonicity) (زيادة متسقة في التأثير) و النعومة (Smoothness) (غياب القفزات المفاجئة).

النتائج الرئيسية:

• سلوك منزلق فائق: حقق FlowSlider أعلى رتابة (0.833 في FLUX.1) وأقل خطأ نعومة (0.01)، متفوقاً بشكل كبير على الطرق القائمة على التعلم (Kontinuous Kontext، SliderEdit) والتحكمات الاستدلالية الساذجة (مثل قياس CFG أو ضبط النافذة).
• دقة عالية: حافظ FlowSlider على أقل درجات DreamSim (مما يشير إلى حفظ أفضل للمصدر) مقارنة بالطرق الأخرى. على سبيل المثال، في FLUX.1، حقق DreamSim قدره 0.090، بينما تجاوزت الطرق القائمة على التعلم غالباً 0.17.
• دراسات الاستبعاد (Ablation Studies):
  • القياس الساذج: أدى قياس $V^\Delta$ بالكامل إلى شوائب شديدة (رنين، حدة مفرطة) ودقة ضعيفة (DreamSim 0.423).
  • الاستيفاء الخطي (Linear Interpolation): فشل في استكمال التعديلات القوية بفعالية، مما أدى إلى محاذاة دلالية منخفضة (CLIP-dir 0.119).
  • FlowSlider: وازن باستمرار بين المحاذاة الدلالية العالية والدقة العالية.

النتائج النوعية:
أظهرت المقارنات البصرية أن FlowSlider ينتج انتقالات سلسة (مثل "ضبابي ← صافٍ" أو "محايد ← مبتسم") حيث تبدو الخطوات المتوسطة طبيعية. في المقابل، تسبب القياس الساذج في ظهور شوائب غير واقعية عند الشدات العالية، وفشلت الطرق القائمة على التعلم غالباً في الحفاظ على بنية الصورة الأصلية أو أنتجت مخرجات تبدو اصطناعية.

---

5. الأهمية

• تحول في النموذج (Paradigm Shift): ينقل FlowSlider النموذج من "تعلم المنزلق" إلى "تحليل ديناميكيات المحرر". وهو يثبت أنه يمكن اشتقاق آليات تحكم معقدة مباشرة من الخصائص الرياضية للنماذج سابقة التدريب.
• الفائدة العملية: من خلال إزالة الحاجة للتدريب، يمكن تطبيق FlowSlider فوراً على أي زوج من المطالبات وأي صورة حقيقية، مما يجعله متاحاً للغاية لأدوات التحرير التفاعلية.
• المتانة: تحل الطريقة المشكلة الحرجة لـ "انزياح التوزيع" (distribution shift) حيث تفشل المنزلقات المعتمدة على التدريب في التعديلات أو المجالات التي لم تشهدها أثناء تدريبها. اعتماد FlowSlider على ديناميكيات التدفق المصحح يضمن عمله بموثوقية عبر مهام متنوعة.

في الختام، يوفر FlowSlider حلاً لا يتطلب تدريباً وله أساس نظري للتحرير المستمر للصور، محققاً توازناً نادراً بين التحكم الدلالي القوي والدقة الصارمة للمصدر.