⚡ electrical engineering

A Noise Constrained Diffusion (NC-Diffusion) Framework for High Fidelity Image Compression

تقترح هذه الورقة إطار عمل للانتشار المقيد بالضوضاء (NC-Diffusion) لضغط الصور عالي الدقة، والذي يعيد صياغة ضوضاء التكميم كضوضاء عملية الانتشار لمعالجة عدم تطابق الضوضاء وتحسين الكفاءة، مع دمج تصفية تكيفية في مجال التردد وتعزيز الصفر-مُوجّه بالعينة لتحقيق جودة إعادة بناء رائدة.

المؤلفون الأصليون: Zhenyu Du, Yanbo Gao, Shuai Li, Yiyang Li, Hui Yuan, Mao Ye

نُشر 2026-04-09

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Zhenyu Du, Yanbo Gao, Shuai Li, Yiyang Li, Hui Yuan, Mao Ye

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 إرسال صورة عالية الدقة لمنظر طبيعي مفضل لديك إلى صديق، لكن اتصال الإنترنت لديك بطيء جداً. لجعل حجم الملف صغيراً بما يكفي لإرساله بسرعة، يتعين عليك "ضغطه" (Compress).

المشكلة: معضلة "الصورة الضبابية"
تقليدياً، يعمل الضغط مثل محرر صارم يتخلص من التفاصيل لتوفق المساحة. والنتيجة غالباً ما تكون صورة ضبابية أو مشوهة (Blocky).

مؤخراً، حاول العلماء استخدام "مولدات الذكاء الاصطناعي" (وتسمى تحديداً نماذج الانتشار - Diffusion Models) لإصلاح ذلك. فكر في مولدات الذكاء الاصطنا هذه كفنان موهوب شاهد الملايين من الصور؛ إذا أعطيته رسماً تخطيطياً ضبابياً، يمكنه "تخيل" وتلوين التفاصيل المفقودة لجعله يبدو حاداً وواضحاً مرة أخرى.

ومع ذلك، كانت هناك عقبة كبيرة في الطريقة القديمة لاستخدام هؤلاء الفنانين:

الطريقة القديمة: كان الذكاء الاصطناعي يبدأ بلوحة بيضاء مليئة بالضجيج (ضجيج عشوائي خالص) ويحاول تخمين كيف تبدو الصورة الأصلية، مستخدماً الرسم التخطيطي الضبابي كمجرد تلميح.
النتيجة: لأن الذكاء الاصطناعي بدأ من ضجيج عشوائي، فقد كان أحياناً "يهلوس". قد يضيف شجرة لم تكن موجودة، أو يغير لون سيارة، أو يخترع حرف "E" كان مفقوداً في الأصل. لقد كان بارعاً في صنع صور جميلة، لكنه كان سيئاً في صنع نسخ دقيقة لصورتك الخاصة.

الحل: إطار عمل "NC-Diffusion"
ابتكر مؤلفو هذه الورقة البحثية، "زينيو دو" وفريقه، طريقة أذكى لاستخدام فنان الذكاء الاصطناعي. ويطلقون عليها اسم الانتشار المقيد بالضجيج (NC-Diffusion).

إليك كيف يعمل الأمر، باستخدام تشبيه بسيط:

1. مشكلة "عدم تطابق الضجيج"

تخيل أن عملية الضغط تخلق نوعاً معيناً من "الغبار" على صورتك (يسمى ضجيج التكميم - Quantization Noise). هذا غبار منظم ومتوقع ناتج عن رياضيات تقليص حجم الملف.

الذكاء الاصطناعي القديم: كان الذكاء الاصطناعي مدرباً على إزالة "الضجيج العشوائي" (مثل تشويش التلفاز). وعندما كنت تعطيه "الغبار المنظم" الناتج عن الضغط، كان يصاب بالارتباك؛ حيث كان يحاول إزالة الغبار فينتهي به الأمر بمسح الصورة أو اختراع أشياء جديدة لأن "الغبار" لم يكن يشبه "التشويش" الذي اعتاد عليه.
الذكاء الاصطناعي الجديد (NC-Diffusion): أدرك المؤلفون: "مهلاً، دعونا نعلم الذكاء الاصطناعي كيف يزيل هذا النوع المحدد من الغبار". فبدلاً من البدء من ضجيج عشوائي، هم يعلمون الذكاء الاصطناعي فهم كيفية تشكل غبار الضغط هذا بدقة.

2. "الرحلة العكسية"

بدلاً من أن يبدأ الذكاء الاصطناعي من لوحة بيضاء مليئة بالضجيج ويخمن الصورة، تبدأ الطريقة الجديدة من الصورة الضبابية المضغوطة بالفعل.

التشبيه: تخيل أن لديك أثراً لطبعة قدم طينية.
- الطريقة القديمة: تحاول تخمين شكل الحذاء من خلال التحديق في كومة من الطين العشوائي.
- الطريقة الجديدة: تأخذ طبعة القدم الطينية، ويعمل الذكاء الاصطناعي كمرمم ماهر يعرف تماماً كيف وصل الطين إلى هناك. يقوم بمسح الطين الذي ينتمي لعملية الضغط فقط بلطف، ليكشف عن شكل الحذاء الأصلي تحته دون تغيير شكل الحذاء نفسه.

3. قوة "التردد العالي" الخارقة

حتى بعد تنظيف الطين، قد تظل بعض التفاصيل الدقيقة (مثل ملمس جدار من الطوب أو خصلات الشعر) غير واضحة.

الحل: أضاف المؤلفون "مرشح ترددات" خاصاً. فكر في هذا كأنه نظارات تسمح للذكما الاصطناعي برؤية التفاصيل الدقيقة والحادة فقط (الترددات العالية). هذا يجبر الذكاء الاصطناعي على التركيز على شحذ تلك الحواف الصغيرة دون العبث بالأجزاء الكبيرة والناعمة (مثل السماء).

4. "الدليل" ذو القدرة على العمل الفوري (Zero-Shot)

أخيراً، لضمان عدم إبداع الذكاء الاصطناعي بشكل مفرط وتغيير معنى الصورة، أضافوا "دليلاً".

التشبيه: تخيل أن الذكاء الاصطناعي يرسم، لكنك تريد التأكد من أنه لن يحول تفاحة حمراء إلى خضراء. "الدليل" (باستخدام أداة تسمى CLIP) يتحقق باستمرار: "هل تبدو هذه التفاصيل الجديدة مثل الرسم التخطيطي الضبابي الأصلي؟". إذا حاول الذكاء الاصطناعي إضافة شيء غريب، فإن "الدليل" يدفعه للعودة إلى الحقيقة.

لماذا يعد هذا أمراً هاماً؟

السرعة: لأن الذكاء الاصطناعي يبدأ بالصورة الضبابية بدلاً من الضجيج العشوائي، فإنه لا يحتاج للتخمين بقدر ما يحتاج. إنه ينهي المهمة بشكل أسرع (مثل تنظيف بقعة محددة مقابل غسل قميص متسخ بالكامل).
الدقة: يحافظ على مظهر الصورة تماماً كما في الأصل (الأمانة) مع جعلها تبدو حادة وواضحة (الجودة العالية). فهو لا يخترع أشجاراً وهمية أو يغير الحروف.
الكفاءة: يوفر المزيد من البيانات (البتات - bits) بينما يبدو أفضل من أي طريقة سابقة.

باختدال القول:
تعلم هذه الورقة البحثية فنان الذكاء الاصطناعي كيفية إصلاح صورة مضغوطة من خلال فهم الأخطاء المحددة التي حدثت أثناء الضغط، بدلاً من التخمين من الصفر. الأمر يشبه إعطاء الفنان خريطة توضح مكان الأوساخ بالضبط، حتى يتمكن من تنظيفها بشكل مثالي دون أن يدهن فوق الصورة الأصلية بالخطأ.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "إطار عمل الانتشار المقيد بالضجيج (NC-Diffusion) لضغط الصور عالي الدقة."

1. بيان المشكلة

بينما أحدثت نماذج الانتشار (Diffusion Models) ثورة في توليد الصور، فإن تطبيقها على ضغط الصور يواجه تحديًا حاسمًا وهو: عدم تطابق الضجيج (Noise Mismatch).

الصراع: تبدأ طرق ضغط الصور التقليدية القائمة على الانتشار عملية إعادة البناء من ضجيج غاوسي (Gaussian noise) عشوائي. ومع ذلك، فإن الضجيج الفعلي الذي يتم إدخاله في ضغط الصور المتعلم (أثناء خطوة التكميم/Quantization) هو ضجيج التكميم (Quantization noise)، والذي يتبع توزيعًا محددًا غير غاوسي يتحدد بناءً على بنية المشفّر/المفكك ومحتوى الصورة المدخلة.
النتيجة: يؤدي استخدام الضجيج الغاوسي العشوائي لنمذجة ضجيج التكميم إلى إدخال حالة من عدم اليقين والعشوائية. وهذا يؤدي إلى:
- الانحراف عن الصورة الأصلية: غالبًا ما تقوم عمليات إعادة البناء بـ "هلوسة" تفاصيل أو فقدان أنسجة معينة (مثل الحروف أو الأنماط) لتلبية مقاييس الإدراك، مما يفشل في تحقيق متطلب "الدقة/الأمانة" (Fidelity) الخاص بالضغط.
- عدم الكفاءة: تتطلب البداية من ضجيج نقي خطوات استنتاج عديدة للوصول إلى التقارب، مما يبطئ عملية فك التشفير.
- جودة دون المستوى: يؤدي عدم التطابق بين توزيع الضجيج المفترض (الغاوسي) والضجيج الفعلي (التكميم) إلى ظهور عيوب (Artifacts) وضعف في توازن معدل التشوه/الإدراك (Rate-Distortion/Perception trade-offs).

2. المنهجية: إطار عمل NC-Diffusion

يقترح المؤلفون إطار عمل الانتشار المقيد بالضجيج (NC-Diffusion)، والذي يعيد التفكير بشكل جذري في العلاقة بين الضغط والانتشار من خلال مواءمة عمليات الضجيج الخاصة بهما.

أ. المفهوم الجوهري: قيد الضجيج (Noise Constraint)

بدلاً من إضافة ضجيج غاوسي عشوائي، يتعامل الإطار مع ضجيج التكميم نفسه كمصدر للضجيج لعملية الانتشار.

العملية الأمامية (Forward Process): يتم نشر الصورة الأصلية ( $I_0$ ) لتصبح النتيجة المضغوطة الأولية ( $I_T$ ) عن طريق إضافة ضجيج التكميم المحدد ( $\epsilon_n$ ) المستمد من مسار الضغط ( $I_T = D\{Q[E(I_0)]\}$ ).
العملية العكسية (Reverse Process): يتعلم النموذج عكس هذه العملية المحددة. أثناء الاستنتاج، يبدأ النموذج مباشرة من الصورة المضغوطة الأولية ( $I_T$ ) ويقوم بإزالة ضجيج التكميم بشكل تكراري لاستعادة الصورة الأصلية ( $I_0$ ).
الفائدة: هذا يلغي فجوة "العشوائية". تُقيد عملية الانتشار لتناسب توزيع الضجيج الفعلي لنظام الضغط، مما يضمن بقاء إعادة البناء أمينة للصورة الأصلية مع إزالة عيوب الضغط.

ب. التصفية التكيفية في مجال التردد (AFF)

لمعالجة فقدان التفاصيل عالية التردد (الأنسجة) الشائع في الضغط:

الآلية: يتم إدراج وحدة التصفية التكيفية في مجال التردد (Adaptive Frequency-Domain Filtering) في وصلات التخطي (Skip connections) لبنية U-Net.
التشغيل: تقوم الوحدة بتحويل ميزات التخطي إلى مجال فوريه (Fourier domain)، وتطبيق قناع تعديل طيفي قابل للتعلم ( $\alpha_k$ ) لتعزيز المكونات عالية التردد بشكل انتقائي، ثم تعيد تحويلها.
الهدف: تعزيز التفاصيل عالية التردد صراحةً دون تشويه المعلومات الهيكلية منخفضة التردد.

ج. خسارة الحفاظ على التفاصيل عالية التردد

تم تقديم دالة خسارة متخصصة ( $L_{high}$ ) للإشراف على إعادة بناء التفاصيل عالية التردد.

التنفيذ: يتم تفكيك كل من الصور الأصلية والمتوقعة باستخدام تحويل المويجات المنفصل ثنائي الأبعاد (2D DWT).
الهدف: يتم حساب متوسط مربع الخطأ (MSE) خصيصًا على النطاقات الفرعية عالية التردد (الأفقية، الرأسية، والقطرية) لإجبار النموذج على تعلم الأنسجة الدقيقة.

د. التحسين الموجه بالعينات بدون تدريب (Zero-Shot)

لتحسين الدقة الإدراكية بشكل أكبر أثناء الاستنتاج دون الحاجة لإعادة التدريب:

الآلية: يتم حساب خسارة إدراكية قائمة على CLIP بين الصورة المضغوطة الأولية والتقدير الحالي الذي تمت إزالة الضجيج منه.
التوجيه: يتم تمرير تدرج هذه الخسارة عكسيًا (Backpropagation) لتعديل مسار أخذ العينات. هذا يوجه عملية الانتشار للاحتفاظ بالمحتوى الدلالي والإدراكي لإعادة البناء الأولية، مما يمنع النموذج من الابتعاد كثيرًا عن محتوى الصورة الأصلية.

3. المساهمات الرئيسية

إطار عمل الانتشار المقيد بالضجيج: نهج مبتكر يساوي بين ضجيج التكميم وضجيج الانتشار، مما يحل مشكلة عدم تطابق التوزيع. يسمح هذا بالاستنتاج المباشر من الصورة المضغوطة، مما يحسن بشكل كبير من كفاءة الاستنتاج ودقة إعادة البناء.
وحدة AFF القابلة للتركيب (Plug-and-Play): وحدة تصفية في مجال التردد تعمل على تعزيز وصلات التخطي في بنى U-Net، وتستهدف تحديدًا استعادة التفاصيل المفقودة عالية التردد.
التحسين بدون تدريب (Zero-Shot): استراتيجية وقت الاختبار باستخدام توجيه CLIP لموازنة التشوه والإدراك دون الحاجة لبيانات تدريب إضافية.
أداء يضاهي أحدث التقنيات (SOTA): يحقق الأسلوب نتائج متفوقة في كل من مقاييس معدل التشوه (PSNR) ومعدل الإدراك (FID, LPIPS, MS-SSIM) مقارنة بطرق الضغط التوليدية الحالية.

4. النتائج التجريبية

تم تقييم الطريقة على مجموعتي بيانات CLIC2020 وKodok مقابل أحدث الطرق (مثل HiFiC, MS-ILLM, DiffEIC, CDC).

مقاييس الأداء:
- توفير معدل BD-Rate: في مجموعة بيانات Kodak، حققت الطريقة المقترحة توفيرًا بنسبة 28.01% في معدل BD-rate مقارنة بالنموذج المرجعي (ELIC) عند دمج جميع المكونات (NC-Diffusion + AFF + $L_{high}$ ).
- الدقة مقابل الإدراك: على عكس الطرق التوليدية الأخرى التي تضحي بالدقة من أجل درجات الإدراك (غالبًا ما تهلوس بالتفاصيل)، يحافظ NC-Diffusion على PSNR مرتفع (الجودة الموضوعية) مع تحقيق FID ممتاز (محاذاة التوزيع).
- الجودة البصرية: تظهر المقارنات البصرية أن NC-Diffusion يحافظ على أنسجة محددة (مثل النصوص، والأنماط الدقيقة) التي غالبًا ما تقوم الطرق الأخرى بتعتيمها أو هلوستها.
الكفاءة:
- سرعة فك التشفير: الطريقة أسرع بكثير من ضواغط الانتشار الأخرى (مثل CDC, DiffEIC). نظرًا لأنها تبدأ من صورة مُعاد بناؤها بدلاً من ضجيج عشوائي، يمكنها إنتاج نتائج عالية الجودة في خطوات استنتاج أقل (حتى خطوة واحدة واحدة تعتبر قابلة للتطبيق، رغم أن 10 خطوات تعطي نتائج أفضل).
- نتائج الجدول I: سرعة فك التشفيد لـ NC-Diffusion هي 0.102 ثانية، مقارنة بـ 1.02 ثانية لـ CDC و 1.837 ثانية لـ DiffEIC.

5. الأهمية

تمثل هذه الورقة خطوة كبيرة للأمام في ضغط الصور المتعلم من خلال سد الفجوة بين الذكاء الاصطناعي التوليدي وضغط البيانات.

تحول في النموذج (Paradigm Shift): إنها تنتقل من نموذج "التوليد من الضجيج" للضغط، وهو نموذج غير دقيق بطبيعته من حيث الأمانة، إلى نموذج "إزالة الضجيج من عيوب الضغط"، وهو ما يضمن سلامة البيانات.
الواقعية العملية: من خلال تحسين سرعة الاستنتاج وضمان أن الصورة المعاد بناؤها هي تمثيل أمين للمصدر (بدلاً من كونها هلوسة منطقية)، يجعل NC-Diffusion نماذج الانتشار قابلة للتطبيق في تطبيقات ضغط الصور عالية الدقة في العالم الحقيقي حيث تكون سلامة البيانات أمرًا بالغ الأهمية.
القابلية للتعميم: الوحدات المقترحة (AFF، والتحسين الموجه بالعينات) هي وحدات نمطية يمكن تطبيقها على مهام الرؤية منخفضة المستوى القائمة على الانتشار الأخرى.