💻 computer science

Divergence-Suppressing Couplings for Rectified Flow

تقترح هذه الورقة طريقة تصحيح غير متصلة لتدفق التصحيح (Rectified Flow) تعمل على كبح المكون المتباعد لمجال السرعة المتعلم لتعديل المسارات المشوهة، مما يؤدي إلى تحسين جودة التوليد في كل من المعايير الاصطناعية ومعايير الصور دون زيادة تكاليف الاستدلال.

المؤلفون الأصليون: Yimeng Min, Carla P. Gomes

نُشر 2026-05-19

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yimeng Min, Carla P. Gomes

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 تعليم روبوت رسم صورة مثالية، مثل لوحة شطرنج أو وجه، بدءاً من لوحة فارغة مليئة بالضجيج العشوائي.

المشكلة: المسار "المتذبذب"
تناقش الورقة تقنية تسمى Rectified Flow (التدفق المصحح). فكر في هذا الأمر كنظام ملاحة (GPS). الهدف هو إيجاد الطريق الأكثر استقامة ومباشرة من "الضجيج" (البداية) إلى "الصورة" (النهاية).

في النسخة القياسية من هذه التقنية، يتعلم الروبوت خريطة ما. ولكن أحياناً، تكون الخريطة فوضوية بعض الشيء. الطرق على الخريطة تلتوي، وتنعطف، وتتقاطع فوق بعضها البعض مثل سماعات الأذن المتشابكة. عندما يحاول الروبوت اتباع هذه الطرق الملتوية، يصاب بالارتباك؛ قد يسلك طريقاً فرعياً، أو يتجاوز وجهته، أو ينتهي به المطاف في حي خاطئ (مثل رسم مربع أبيض في مكان كان يجب أن يكون فيه مربع أسود).

اكتشف المؤلفون أن هذه "الالتواءات" تحدث بسبب شيء يسمى Divergence (التباعد). ببساخت، تخيل مسار الروبوت كأنه نهر:

التباعد (Divergence) هو مثل مقطع من النهر يتسع فجأة (يتمدد) أو يضيق (ينكمش).
عندما يتسع النهر، تنتشر المياه، ويضيع الروبوت في المساحة الإضافية.
عندما يضيق النهر، تُعصر المياه، مما يدفع الروبوت إلى زاوية لا ينبغي أن يكون فيها.
هذه التوسعات والانكماشات تسبب انحناء وتشويه مسار الروبوت، مما يجعل الصورة النهائية ضبابية أو غير صحيحة.

الحل: مرشح "كبح التباعد"
تقدم الورقة طريقة جديدة تسمى DS-RectFlow.

فكر في عملية تدريب الروبوت كأنها طالب يتعلم الرسم:

الطريقة القديمة: يتدرب الطالب عبر اتباع الطرق الملتوية والفوضوية على الخريطة. يتعلم الرسم، لكنه يستمر في ارتكاب نفس الأخطاء لأن الخريطة نفسها معيبة.
الطالط الجديدة (DS-RectFlow): قبل أن يبدأ الطالب التدريب، ينظر المعلم (الخوارزمية الجديدة) إلى الخريطة. يرى المعلم الأجزاء التي يتسع فيها النهر أو يضيق بشكل مفرط. ثم يقوم المعلم بدفع نقطة انطلاق الطالب بلطف وبشكل طفيف نحو الجانب، إلى جزء أكثر سلاسة واستقامة من النهر.

الأمر الجوهري هو أن المعلم لا يغير الخريطة نفسها؛ فالخريطة (نموذج الذكاء الاصطناعي) تظل كما هي تماماً. المعلم فقط يغير مكان انطلاق الطالب في كل جلسة تدريبية. ومن خلال البدء في مسار أكثر استقامة، يتعلم الطالب طريقاً أنظف وأكثر مباشرة.

الخدعة السحرية: سرعة "مجانية"
عادةً، إذا أردت جعل الروبوت يتحرك بشكل أسرع أو أكثر دقة، عليك تزويده بمحرك أقوى (قدرة حوسبية أكبر) أو جعله يفكر بجهد أكبر في كل خطوة.

تدعي هذه الورقة وجود "خدعة ساسية":

عملية "الدفع" (التحقق من الالتواءات وتعديل البداية) تحدث مرة واحدة فقط، أثناء مرحلة التدريب بينما يتعلم الروبوت.
بمجرد انتهاء تدريب الروبوت، فإنه ينسى أمر عملية الدفع هذه.
عندما تطلب من الروبوت رسم صورة فعلياً (الاستنتاج)، فإنه يعمل بـ نفس السرعة تماماً كالنسخة القديمة الفوضوية. فهو لا يحتاج إلى أي عمليات حسابية إضافية أو خطوات إضافية.

النتائج
اختبر المؤلفون هذه الطريقة على أشكال ثنائية الأبعاد بسيطة (مثل لوحة الشطرنج) وصور حقيقية (مثل الوجوه من مجموعة CelebA والسيارات من CIFAR-10).

جودة أفضل: كانت الصور الناتية أكثر حدة ودقة.
خطوات أقل: استطاع الروبوت إنتاج صور عالية الجودة في خطوة واحدة فقط (مثل قفزة واحدة) بدلاً من الحاجة إلى 20 خطوة صغيرة.
لا تكلفة إضافية: بما أن "الإصلاح" يُطبق فقط أثناء التدريب، فإن المنتج النهائي يكون بنفس سرعة النسخة الأصلية في الاستخدام، ولكنه أفضل بكثير.

باخت-اختصار
تقول الورقة: "السبب في أن مولدات الصور الحالية بالذكاء الاصطناعي تكون أحياناً بطيئة أو ضبابية هو أن 'طرقها' الداخلية ملتوية جداً. لقد وجدنا طريقة لتنعيم تلك الطرق أثناء تعلم الذكاء الاصطناعي، بحيث عندما ينتهي من التعلم، يمكنه القيادة بشكل مستقيم وسريع دون الحاجة إلى أي وقود إضافي".

ملخص تقني: الروابط المثبطة للتباعد من أجل التدفق المصحح (DS-RectFlow)

بيان المشكلة

يهدف التدفق المصحح (Rectified Flow - RectFlow) إلى تسريع النمذجة التوليدية عبر تعلم حقول السرعة ذات المسارات المستقيمة، مما يتيح توليد عينات عالية الجودة بعدد قليل أو حتى خطوة واحدة من التكامل العددي (NFE). تعتمد هذه الطريقة على إجراء "إعادة تدفق" (reflow) تكراري: حيث يقوم نموذج أساسي تم تدريبه باستخدام ربط مستقل بتوليد أزواج جديدة من المصدر والهدف، والتي تُستخدم بعد ذلك لإعادة تدريب نموذج ذي حقل سرعة أكثر استقامة.

ومع ذلك، تحدد الورقة البحثية عقبة جوهرية: تشوه الربط (coupling distortion). ففي الممارسة العملية، غالبًا ما تنحني وتتشابك المسارات التي يولدها النموذج الأساسي. ويرتبط هذا التشوه بشكل متكرر بمناطق ذات تباعد غير صفري في حقل السرعة المتعلم. في هذه المناطق، يؤدي التمدد أو الانكماش المحلي إلى تباعد الجسيمات عن بعضها أو انضغاطها، مما يوجهها بعيدًا عن نقاط نهايتها المثالية. وبناءً على ذلك، يرث النموذج المعاد تدريبه هذه الأخطاء، وتؤدي جولات التصحيح الإضافية إلى عوائد متناقصة لأن النموذج يقوم فعليًا بـ "إعادة تدفق" لنقل هو بالفعل منحني. إن جودة المكامل الأمامي المستخدم لتوليد أزواج الربط، وليس خسارة التدريب أو قدرة النموذج، هي ما يحد من فعالية RectFlow.

المنهجية: DS-RectFlow

يقترح المؤلفون DS-RectFlow (التدفق المصحح المثبط للتباعد)، وهو طريقة تصحيح غير متصلة (offline) مصممة لتوليد أزواج ربط أكثر نقاءً أثناء عملية إعادة التدفق دون تغيير هدف التدريب، أو بنية النموذج، أو إجراء الاستدلال.

الآلية الجوهرية

تستند الطريقة إلى الملاحظة القائلة بأن انحناء المسار (تشوه الربط) مدفوع بالمكون القابل للانضغاط في حقل السرعة. باستخدام تفكيك هلمهولتز (Helmholtz decomposition)، يتم تقسيم حقل السرعة $v$ إلى جزء نقل خالٍ من التباعد $u$ وجزء ثنائي القطب $\nabla \phi$ يحمل كل قابلية الانضغاط في الحقل. وتجادل الورقة بأن تثبيط مقدار التباعد $|\nabla \cdot v|$ يحافظ على استقامة المسارات.

المكامل المثبط للتباعد

أثناء التوليد غير المتصل لأزواج الربط (خطوة "إعادة التدفق")، يستبدل DS-RectFlow مكامل أويلر (Euler integrator) القياسي بـ مكامل أويلر مثبط للتباعد:

تصحيح الحالة: عند كل خطوة تكامل، بدلًا من التقدم مباشرة من الحالة الحالية $x_t$ ، تبحث الخوارزمية عن حالة قريبة $x^*_t$ يكون فيها التباعد المقدر $|\hat{\nabla} \cdot v_\theta(x^*_t, t)|$ في أدنى مستوياته.
تقدير هوتشينسون (Hutchinson Estimation): لتجنب التكلفة العالية لحساب التباجع الدقيق في الأبعاد العالية، تستخدم الطريقة مقدّر أثر هوتشينسون لتقريب $\nabla \cdot v$ . حيث تقوم بتوليد $m$ من الاضطرابات الغاوسية حول الحالة الحالية وتختار المرشح الذي يقلل من مقدار التباعد المقدر.
التكامل: يتم بعد ذلك حساب خطوة أويلر من هذه الحالة المصححة $x^*_t$ باستخدام حقل السرعة الأصلي غير المعدل: $x_{t+\Delta t} = x^*_t + v_\theta(x^*_t, t) \cdot \Delta t$ .

تفاصيل التنفيذ

غير متصل فقط (Offline Only): يتم تطبيق التصحيح فقط أثناء توليد مجموعة بيانات الربط لإعادة التدريب.
الاستدلال: يتم نشر النموذج النهائي باستخدام تكامل أويلر بسيط دون أي عبء حسابي إضافي. المنطق المثبط للتباعد ليس موجودًا في وقت الاستدلال.
التحكم في الميزانية: يتم تطبيق التصحيح فقط حتى زمن $t_{stop}$ (عادة 0.5) ويتم التحكم فيه بواسطة معامل نصف قطر البحث $\delta$ .

المساهمات الرئيسية

تشخيص قيود RectFlow: حددت الورقة أن جودة الربط الناتج عن النموذج الأساسي، وتحديدًا وجود تباعد غير صفري يسبب انضغاط/توسع المسارات، هي العقبة الرئيسية التي تمنع RectFlow من تحقيق إمكاناته النظرية في التوليد بخطوة واحدة.
استراتيجية التصحيح غير المتصلة: قدمت تصحيحًا غير متصلًا مبتكرًا يخمد مكون التباعد في حقل السرعة أثناء توليد الربط. وخلافًا لتحسينات وقت الاستدلال (مثل الحلول ذات الرتب الأعلى أو التوجيه)، تنقل هذه الطة تكلفة التصحيح بالكامل إلى مرحلة توليد بيانات التدريب.
صفر عبء في الاستدلال: توفر الطريقة نموذجًا يعمل بنفس تكلفة الوقت الفعلي لـ RectFlow القياسي أثناء النشر، حيث يظل مسار الاستدلال خطوة أويلر بسيطة.
استعادة التأثيرات التراكمية: من خلال توفير أزواج ربط أكثر نقاءً، يعيد DS-RectFlow ميزة "التراكم" التي يعد بها التصحيح، حيث تحسن كل جولة إعادة تدفق استقامة الحقل بشكل كبير، وهي ظاهرة غالبًا ما تُفقد في RectFlow القياسي بسبب التشوه المتراكم.

النتائج التجريبية

قيم المؤلفون DS-RectFlow على معايير اصطناعية ثنائية الأبعاد ومهام توليد الصور (CIFAR-10، CelebA-64).

المعايير الثنائية الأبعاد (Checkerboard & GMM):
- في اختبار Checkerboard، يقلل DS-RectFlow مسافة وايسرين (SWD) بشكل كبير مقارنة بـ vanilla RectFlow. عند $NFE=1$ ، يحقق SWD قدره 0.102 (مقابل 0.165 لـ vanilla)، مما يطابق فعليًا أداء خط أساس Flow Matching بـ 20 خطوة ولكن في خطوة واحدة.
- في اختبار GMM crossing، يظهر DS-RectFlow في البداية خطأً أعلى عند NFE منخفض (بسبب التقاط قرارات تعيين الأنماط المعقدة بدقة أكبر) ولكنه يتجه بسرعة نحو أداء متفوق. بحلول جولة إعادة التدفق الثانية ( $k=2$ )، يحقق تحسنًا بمقدار 3 أضعاف في SWD عند $NFE=1$ مقارنة بـ vanilla RectFlow.
- تؤكد التصورات أن DS-RectFlow ينتج أنماطًا أكثر حدة وانفصالًا مع عدد أقل من العينات "المتسربة" إلى المناطق المحظورة.
توليد الصور (CIFAR-10 & CelebA-64):
- CIFAR-10: يحقق DS-RectFlow باستمرار مسافة فريديت (FID) أقل عبر جميع ميزانيات NFE. باستخدام حل Euler-20 غير متصل، قلل المنهج FID من 17.41 إلى 12.03 عند $NFE=1$ (تحسن نسبي بنسبة 31%). ومن الملاحظ أن نموذج $NFE=1$ من DS-RectFlow يتفوق على النموذج التقليدي في جميع خطوات المسح.
- CelebA-64: لوحظت اتجاهات مماثلة. عند $NFE=2$ ، يحقق DS-RectFlow قيمة FID قدرها 4.90، متفوقًا على أفضل أداء للنموذج التقليدي عبر جميع قيم NFE (والذي بلغ 5.64 عند $NFE=20$ ).
- تظهر النتائج أن التصحيح غير المتصل ينتقل مباشرة إلى نموذج قادر على التوليد عالي الجودة بخطوة واحدة.

الأهمية والادعاءات

تدعي الورقة أن جودة الربط، وليس قدرة التدريب أو ميزانية الاستدلال، هي العقبة الرئيسية أمام RectFlow. ومن خلال معالجة تشوه التباعد "خارج الخط" (offline)، يُمكّن DS-RectFlow من تحقيق التحسينات التراكمية التي يعد بها التصحيح ولكن نادرًا ما تتحقق في الممارسة العملية.

يؤكد المؤلفون أن هذا النهج يقدم ميزة عملية: فهو يوفر فوائد المكامل المصحح للتباعد (مسارات أكثر استقامة، محاذاة أفضل للأنماط) مع الحفاظ على ملف استدلال بصفر زمن تأخير لـ RectFlow القياسي. التصحيح هو تكلفة تُدفع لمرة واحدة أثناء توليد البيانات، وتُوزع على طول فترة التدريب بأكملها. تشير الورقة إلى أن هذه الآلية قد تكون قابلة للتطبيق على طرق أخرى قائمة على التدفق، مثل Interpolants العشوائية أو Optimal-transport flow matching، حيث تؤدي مكونات الانجراف المتباعدة إلى تدهور جودة العينات.