🤖 AI

BRACE: Taming Sharp Irregularities via Barycentric Rational Forecasting for Fast Diffusion Transformers Inference

تقدم الورقة البحثية BRACE، وهي طريقة مبتكرة لتسريع الاستدلال لنماذج محولات الانتشار (Diffusion Transformers)، والتي تستبدل الاستكمال متعدد الحدود القائم على المشتقات غير المستقر بنهج تنبؤ عقلاني بايري سنترك (barycentric rational) مستقر عددياً باستخدام أوزان تشيبيشيف للتعامل بفعالية مع عدم انتظام الميزات الحادة مع الحفاظ على جودة توليد عالية.

المؤلفون الأصليون: Jinlong Yang, Jinke Wu, Lizilin, Yao Zhou

نُشر 2026-08-11

📖 6 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Jinlong Yang, Jinke Wu, Lizilin, Yao Zhou

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 لوحة فنية رائعة، ولكن بدلاً من استخدام فرشاة، أنت تستخدم روبوتاً يتعين عليه اتخاذ آلاف الخطوات الصغيرة والدقيقة لإنهاء اللوحة. هذا الروبوت هو "محول الانتشار" (Diffusion Transformer)، وهو نوع من الذكاء الاصطناعي الذي ينشئ صوراً وفيديوهات مذهلة عن طريق تحويل الضجيج العشوائي ببطء إلى صور واضحة. المشكلة هي أن هذا الروبوت بطيء للغاية؛ فهو يستغرق وقتاً طويلاً لاتخاذ كل تلك الخطوات، مما يجعل من الصعب استخدامه للمرح في الوقت الفعلي مثل الدردشة مع ذكاء اصطناعي أو إنشاء فيديوهات بشكل فوري. ولتسريع ذلك، حاول العلماء إخبار الروبوت: "مهلاً، لست بحاجة لحساب كل خطوة؛ فقط خمن الخطوات القليلة القادمة بناءً على ما فعلته قبل لحظة". وهذا ما يسمى "تخزين الميزات" (feature caching). ومع ذلك، كانت طرق التخمين القديمة تشبه محاولة التنبؤ بمسار أفعوانية (Rollercoaster) عن طريق رسم خط مستقيم عبر نقاط قليست. إذا التوى المسار فجأة أو دار في حلقات، فإن التخمين ذو الخط المستقيم سيخرج عن المسار، مما يؤدي إلى فن ضبابي أو غريب المظهر.

يقدم هذا البحث طريقة جديدة لجعل هذا الروبوت أسرع دون إفساد جودة الصورة. لاحظ المؤلفون، وهم فريق من جامعة سيتشوان، أنه بينما يكون مسار الروبوت عادةً سلسًا، فإنه يصطدم أحيانًا ببعض النتوءات أو الالتواءات الحادة والمفاجئة. كانت الطرق القديمة، التي تعتمد على حساب "المشتقات" (وهي طريقة رياضية متطورة لقياس مدى سرعة التغير)، ستتردد وتصاب بالارتباك أمام هذه المنعطفات الحادة وتضع تخمينات جامحة وغير دقيقة. يقترح الفريق طريقة جديدة تسمى BRACE (التنبؤ العقلاني الباري سنتري مع تعزيز تشيبيشيف). بدلاً من محاولة قياس سرعة التغيرات، ينظر BRACE إلى التاريخ الفعلي لخطوات الروبوت ويستخدم "دالة عقلانية" خاصة (نوع من الصيغ القائمة على الكسور) للتنبؤ بالمستقبل. فكر في الأمر كجهاز تحديد مواقع (GPS) لا يرسم مجرد خط مستقيم إلى وجهتك، بل يستخدم حبلًا مطاطيًا مرنًا ومتموجًا ليلتصق تمامًا بالطريق المتعرج، حتى عندما ينحني الطريق فجأة. ومن خلال استخدام هذا النهج المرن، يسمح BRACE للذكاء الاصطناعي بتخطي العديد من الخطوات دفعة واحدة، مما يسرع العملية بشكل كبير مع الحفاظ على حدة الصور وسلاسة حركة الفيديوهات.

المشكلة: فخ "الخط المستقيم"

لفهم سبب الحاجة إلى هذه الطريقة الجديدة، تخيل أنك تقود سيارة على طريق مستقيم في الغالب ولكن به بعض المنعطفات الحادة والمفاجئة. إذا كنت تقود بسرعة وتحاول التنبؤ بمكان الطريق بعد عشر ثوانٍ عن طريق رسم خط مستقيم من موقعك الحالي، فمن المرجح أن تصطدم بشجرة أو تسقط من منحدر. هذا بالضبط ما حدث مع طرق تسريع نماذج محولات الانتشار السابقة.

كانت الطريقة القديمة لتسريع محولات الانتشار تشبه استخدام "توسيع تايلور" (Taylor expansion)، وهي أداة رياضية تحاول التنبؤ بالمستقبل من خلال النظر في مدى سرعة تحرك السيارة حاليًا ومدى تغير هذه السرعة (التسارع). بالنسبة للمنحنيات الناعمة واللطيفة، يعمل هذا بشكل رائع. لكن الباحثين وجدوا أن "الطريق" الذي يسلكه الذكاء الاصطناعي ليس دائمًا سلسًا؛ فهو يحتوي على "اختلالات حادة" — تغييرات مفاجئة وصادمة في الاتجاه. عندما حاول الذكاء الاصطناعي استخدام رياضيات "الخط المستقيم" أو "المنحنى السلس" القديمة للتنبؤ بهذه المنعطفات الحادة، كانت التنبؤات تخطئ بشكل كبير. والنتيجة؟ كان الذكاء الاصطناعي يتخطى الخطوات، لكن الصورة التي ينتجها تكون مشوهة، أو ضبابية، أو تحتوي على عيوب غريبة، مثل وجه بآلاف العيون أو سيارة بعجلات إضافية.

الحل: الحبل المطاطي المرن لـ BRACE

أدرك المؤلفون أنه بدلاً من محاولة قياس سرعة المنعطف (وهو أمر يصعب القيام به بدقة عندما يكون المنعطف مفاجئًا)، يجب عليهم فقط النظر إلى المسار الفعلي الذي سلكته السيارة مؤخرًا واستخدام طريقة أذكى لربط النقاط. وقد أطلقوا على طريقتهم الجديدة اسم BRACE.

إليك كيف يعمل BRACE، باستخدام تشبيه بسيط:
تخيل أنك تحاول تخمين شكل ثعبان متعرج من خلال النظر إلى بعض أجزاء جسمه.

الطريقة القديمة (متعدد الحدود - Polynomial): تحاول رسم عصا صلبة واحدة (متعدد حدود) تلمس جميع الأجزاء التي يمكنك رؤيتها. إذا التوى الثعبان فجأة، ستنكسر عصاك الصلبة أو تفقد مكان الثعب تمامًا.
طريقة BRACE (التنبؤ العقلاني - Rational Forecasting): بدلاً من العصا الصلبة، تستخدم حبلًا مطاطيًا مرنًا ومطاطيًا (دالة عقلانية). تقوم بتثبيت الحبل المطاطي في الأجزاء التي رأيتها. ولأن الحبل المطاطي مرن، يمكنه الانحناء والالتواء ليتتبع منعطفات الثعب الحادة تمامًا، حتى لو حدث المنعطف فجأة وبشكل كبير.

من الناحية التقنية، يستخدم BRACE "دالة عقلانية باري سنتري" (barycentric rational function). هذه صيغة رياضية متطورة تعمل مثل ذلك الحبل المطاطي المرن؛ فهي تأخذ نقاط البيانات الفعلية (الميزات التي حسبها الذكاء الاصطناعي بالفعل) وتجمعها بطريقة تتعامل طبيعيًا مع التغييرات الحادة دون ارتباك.

لماذا هو مميز: "السر الخفي لتشيبيشيف"

لجعل هذا الحبل المطاطي يعمل بشكل أفضل، أضاف المؤلفون شيئًا يسمى "أوزان تشيبيشيف المتكيفة" (Adapted Chebyshev weights). فكر في هذا كإعداد خاص لشد الحبل المطاطي. إذا شددت الحبل المطاطي بقوة كبيرة عند الأطراف، فقد ينقطع أو يتمدد بشكل غير متساوٍ. أوزان تشيبيشيف هي خدعة رياضية تضمن بقاء الحبل المطاطي متوازنًا ومستقرًا، بغض النظر عن مقدار التمدد المطلوب للتنبؤ بالمستقبل.

تظهر الورقة البحثية أن هذه الطريقة مستقرة للغاية. فحتى عندما يُطلب من الذكاء الاصطناذي تخطي عدد هائل من الخطوات (مثل القفز من الخطوة 1 إلى الخطوة 20 دفعة واحدة)، فإن "الحبل المطاطي" لا ينقطع؛ بل يظل على المسار، مما يضمن أن الصورة النهائية تبدو بجودة عالية تمامًا كما لو كان الذكاء الاصطناعي قد اتخذ كل خطوة ببطء.

ما أظهرته التجارب

اختبر الباحثون BRACE في ثلاثة أنواع مختلفة من مهام الذكاء الاصطناعي:

إنشاء الصور من النصوص: استخدموا نموذجًا يسمى FLUX.1-dev. عندما طلبوا من الذكاء الاصطناعي إنشاء صور معقدة (مثل قرش في صحراء أو واجهة متجر بنص محدد)، غالبًا ما كانت الطرق القديمة تفسد النص أو تجعل التفاصيل ضبابية. ومع ذلك، حافظ BRACE على حدة النص ووضوح التفاصيل، حتى مع تسريع العملية بأكثر من 5 مرات.
إنشاء الفيديوهات: اختبروه على نموذج فيديو يسمى HunyuanVideo. في توليد الفيديو، تتحرك الأشياء، وإذا كان التنبؤ خاطئًا، ستبدو الحركة متقطعة أو تختفي الأشياء. نجح BRACE في الحفاظ على حركة سلسة وجعل الأشياء (مثل حصان يركض أو شخص يسبح) تبدو طبيعية، متفوقًا على الطرق السريعة الأخرى.
توليد الصور القياسي: في اختبار كلاسيكي يسمى ImageNet، أنتج BRACE صورًا ذات درجات جودة أعلى (مقاسة بمعيار FID، حيث الدرجة الأقل هي الأفضل) مقارنة بالأساليب السريعة الأخرى.

في تجاربهم، تمكن BRACE من تسريع الذكاء الاصطناعي بمعاملات تتراوح بين 3.5x إلى 5.5x. على سبيل المثال، في نموذج FLUX.1، حقق تسريعًا قدره 5.55x مع إنتاج صور تبدو متطابقة تقريبًا مع النسخة البطيئة عالية الجودة. وأشار الباحثون إلى أنه بينما بدأت الطرق الأخرى في الفشل وإنتاج صور "شبحية" أو مشوهة عند هذه السرعات العالية، ظل BRACE مستقرًا.

الخلاصة

لا تدعي الورقة البحثية أنها حلت كل مشاكل الذكاء الاصطناعي، لكنها تقترح توجهًا جديدًا قويًا للغاية. يرى المؤلفون أن الطريقة القديمة للتفكير في تسريع الذكاء الاصطناعي — باستخدام رياضيات تعتمد على المشتقات الصلبة — كانت معيبة جوهريًا في التعامل مع "المنعطفات الحادة" في مسار تعلم الذكاء الاصطناعي. ومن خلال الانتقال إلى نهج عقلاني مرن (BRACE)، وجدوا طريقة لجعل مولدات الصور والفيديو القوية هذه أسرع بكثير دون التضحية بجودة الفن الذي تبدعه.

الأمر يشبه إدراك أنك لكي تسلك طريقًا جبليًا متعرجًا، لست بحاجة إلى طريق أكثر استقامة؛ بل تحتاج فقط إلى نظام تعليق (مساعدات) أفضل. يوفر BRACE نظام التعليق هذا، مما يسمح للذكاء الاصطناعي بالاندفاع عبر الخطوات مع البقاء ثابتًا على المسار المؤدي إلى نتيجة جميلة.

ملخص تقني: BRACE

بيان المشكلة

حققت نماذج محولات الانتشار (Diffusion Transformers - DiTs) أداءً فائقًا في توليد الصور والفيديو عالي الدقة، لكنها تعاني من تكاليف حوسبة باهظة بسبب عمليات أخذ العينات التكرارية. ولمعالجة ذلك، برزت استراتيجية "تخزين الميزات" (feature caching) كطريقة تسريع خالية من التدريب. وبينما تؤدي طرق "التخزين وإعادة الاستخدام" التقليدية إلى تدهور الجودة عبر فترات التخطي الطويلة، تحاول المنهجيات الحديثة القائمة على "التخزين والتنبؤ المستقبلي" (مثل TaylorSeer وHiCache) التنبؤ بالميزات المستقبلية باستخدام الاستقراء متعدد الحدود القائم على المشتقات (توسيعات تايلور).

ومع ذلك، حدد المؤلفون عقبة حرجة في هذه الطرق: مسارات ميزات DiT، رغم كونها سلسة عالميًا، إلا أنها غالبًا ما تظهر عدم انتظام حاد وعدم سلاسة موضعية (مثل التحولات الهيكلية السريعة خلال فترات معينة من إزالة الضجيج). تعتمد طرق متعددات الحدود القائمة على المشتقات على تقديرات الفروق المحدودة للمشتقات اللحظية. وعند نقاط الانقلاب الحادة، تصبح هذه التقديرات غير مستقرة، وتفتقر متعددات الحدود الصلبة إلى القدرة على التكيف الهيكلي لنمذجة التحولات المفاجئة. يؤدي هذا إلى تباعد استقراء شديد، وتذبذب، وفقدان للسلامة الهيكلية عند استخدام فترات تخطي عدوانية.

المنهجية: BRACE

يقترح المؤلفون إطار عمل BRACE (التنبؤ العقلاني الباري سنتري مع تعزيز تشيبيشيف)، وهو إطار عمل خالي من التدريب ينقل نموذج التنبؤ من تعدد الحدود القائم على المشتقات إلى التنبؤ العقلاني القائم على الميزات.

المكونات الأساسية

النافذة المنزلقة المحلية (طابور FIFO):
يحافظ BRACE على نافذة منزلقة محلية متفرقة (سعة $C$ ) تقوم بتخزين أزواج الحالة التاريخية $(F_\tau, \tau)$ ، حيث تمثل $F_\tau$ الميزات المتوسطة الدقيقة ويمثل $\tau$ الخطوة الزمنية. هذا يحصر أفق التنبؤ في نافذة محلية، مما يفصل الميزات المتدهورة زمنيًا ويضمن أن المسار يستوفي قيود السلاسة المحلية.
رسم الخرائط إلى المجال المعياري:
لضمان الاستقرار العددي، يتم رسم الخطوات الزمنية الخام إلى مجال معياري $[-1, 1]$ عبر تحويل أفيني (affine transformation). هذا يربط الخطوات الزمنية للانتشار بالأسس النظرية لمخطط الأوزان ويضمن ثبات المقياس عبر مختلف المجدولات.
الاستقراء العقلاني الباري سنتري (Barycentric Rational Extrapolation):
بدلاً من تقدير المشتقات، يقوم BRACE بتجميع الميزات التاريخية الخام مباشرة باستخدام الصيغة الباري سنترية الثانية للاستكمال العقلاني:
$F_{pred} = \frac{\sum_{j=1}^{C} \frac{w_j}{x(t_{pred}) - x(\tau_j)} F_{\tau_j}}{\sum_{j=1}^{C} \frac{w_j}{x(t_{pred}) - x(\tau_j)}}$
تقدم هذه الصيغة ميزتين رئيسيتين:

التطبيع الذاتي: يعمل المقام بطبيعته على تحديد الميزات المتوقعة، مما يمنع التباعد غير المحدود الشائع في استقراء متعددات الحدود.
امتصاص عدم السلاسة: من خلال تجميع الحالات بدلاً من الاعتماد على مشتقات عالية الرتبة غير مستقرة، يمكن للدالة العقلانية استيعاب عدم السلاسة الموضعية بشكل طبيعي.

أوزان تشيبيشيف المعدلة:
تعد الأوزان $w_j$ حاسمة للاستقرار. يستخدم BRACE مخططًا معدلًا مستوحى من عقد تشيبيشيف-غاوس-لوباتو (Chebyshev–Gauss–Lobatto):
$w_j = (-1)^{j+1} \cdot \delta_j$
حيث تتضمن $\delta_j$ معامل حساسية الحدود $\gamma$ للوزن النهائي. يشير المؤلفون إلى أنه بالنسبة للسعات شديدة الندرة ( $C \le 3$ )، فإن هذه العقد المثالية تكافئ رياضيًا النقاط متساوية المسافات، مما يسمح بأخذ عينات بسيطة ذات فترات ثابتة دون تعديلات ديناميكية معقدة.

الاستقرار النظري

يقدم المؤلفون تحليلًا لانتشار الخطأ يوضح أن خطأ الاستقراء في BRACE محكوم بفترة التخطي $k$ وثابت ليبشيتز $L$ (المشتق الأول). في المقابل، تتعرض طرق تايلور لأخطاء تتناسب مع $s^{m+1} \|F^{(m+1)}\|_\infty$ ، والتي يمكن أن تنفجر أثناء التحولات الحادة. يضع BRace حدًا نظريًا للخطأ، مما يضمن استقرارًا يمكن التنبؤ به حتى تحت ظروف التخطي العدوانية.

المساهمات الرئيسية

إطار عمل BRACE: إطار عمل تنبؤ عقلاني جديد خالي من التدريب، يجمع بين تخزين الميزات التاريخية المتفرقة وأوزان تشيبيشيف المعدلة ضمن بنية باري سنترية عقلانية. يضمن الاستقرار العددي ويتحكم في التحولات المفاجئة حيث تفشل الطرق القائمة على المشتقات.
التحليل الهندسي لديناميكيات DiT: يكشف البحث تجريبيًا عن الطبيعة الهندسية المزدوجة لتطور DiT (سلس عالميًا ولكن تتخلله عدم انتظام حاد) ويؤكد أن القواعد العقلانية تتفوق بطبيعتها على متعددات الحدود في ملاءمة هذه المسارات.
تسريع الأداء القياسي (SOTA): تُظهر التقييمات المكثفة أن BRACE يتفوق باستمرار على النماذج المرجعية الحالية (مثل TaylorSeer وHiCache وFORA) عبر مختلف البنيات والأنماط.

النتائج التجريبية

تم تقييم BRACE في ثلاث مهام:

توليد الصور المشروط بالفئة (DiT-XL/2 على ImageNet): حقق BRACE أدنى درجات FID وsFID عبر مختلف فترات التخطي. في تكوين التسريع بمقدار 3.56×، وُجد أن سعة النافذة المثلى هي $C=3$ (FID 2.46)، متفوقًا على $C=2$ و $C=4$ . أظهرت النتائج النوعية حفظًا أفضل للتفاصيل الحادة والبنية الدلالية مقارنة بآثار التنعيم الزائد أو التظليل (ghosting) الموجودة في النماذج المرجعية.
توليد الصور من النص (FLUX.1-dev): حقق BRACE نتائج جديدة في الأداء القياسي للنماذج المرجعية في المحاذاة الدلالية (ImageReward, CLIP Score) والسلامة الهيكلية (SSIM, LPIPS). والجدير بالذكر أنه عند تسريع قدره 5.55×، استخدمت التجارب سعة نافذة قدرها $C=2$ (مع $\gamma=0.7$ )، مما حافظ على النصوص المقروءة والهياكل النصية المعقدة التي شوهتها الطرق الأخرى أو جعلتها ضبابية.
توليد الفيديو من النص (HunyuanVideo): حقق BRACE أعلى درجة VBench (80.14) عند فترات تخطي عالية (باستخدام $C=2$ )، متفوقًا بشكل كبير على إعادة الاستخدام المباشر والتنبؤ القائم على المشتقات. نجح في الحفاظ على الاتساق الزماني والمكاني، متجنبًا فقدان الكيانات والآثار الهيكلية (مثل الأطراف الإضافية) التي تظهر في الطرق المنافسة.

دراسات الاستئصال (Ablation Studies):

سعة النافذة ( $C$ ): في DiT-XL/2، وفرت $C=3$ التقريب الأمثل لانحناء الميزات. أدت زيادة $C$ إلى 4 إلى تدهور الأداء بسبب تراكم ضوضاء الاستقراء بعيدة المدى، بينما أدى تقليلها إلى 2 إلى إضعاف قدرة الملاءمة. ومع ذلك، بالنسبة لتكوينات التسريع الأعلى في FLUX والفيديو، كان $C=2$ هو التكوين المستخدم لموازنة السرعة والدقة.
حساسية الحدود ( $\gamma$ ): بلغت الجودة الإدراكية ذروتها عند $\gamma=0.7$ ، بينما تحسنت مقاييس إعادة البناء بشكل رتيب نحو 1.0.
مخططات الأوزان: تفوقت أوزان تشيبيشيف المعدلة على مخططات Uniform وBerrut وFloater-Hormann، مما يؤكد ملاءمتها للديناميكيات الزمنية غير المتماثلة لميزات DiT.

الأهمية

يدعي البحث أن BRACE يعالج قيدًا جوهريًا في استراتيجيات التسريع الحالية: عدم قدرة استقراء متعدد الحدود على التعامل مع سلوك الأنظمة "الصلبة" (stiff systems) وعدم الانتظام الحاد المتأصل في مسارات ميزات DiT. من خلال الانتقة إلى نموذج التنبؤ العقلاني القائم على الميزات، يحقق BRACE توازنًا متفوقًا بين الجودة والكفاءة مع تكلفة حوسبية ضئيلة. يضع المؤلفون هذا العمل كتحول هيكلي في نموذج التنبؤ بالميزات، مما يوفر بديلًا قويًا لاستنتاج DiT السريع الذي يحافظ على دقة عالية حتى تحت التسريع العدواني.