1. مقدمة البرنامج التعليمي

OmniConsistency، الذي أطلقه مختبر Show Lab في جامعة سنغافورة الوطنية في 28 مايو 2025، هو إضافة عامة لتحسين التناسق البصري تعتمد على محولات الانتشار. يُحسّن OmniConsistency بشكل ملحوظ التماسك البصري والجودة الجمالية، محققًا أداءً يُضاهي أحدث النماذج التجارية، GPT-4o. يسدّ هذا البرنامج فجوة الأداء في تناسق الأسلوب بين النماذج مفتوحة المصدر والتجارية (مثل GPT-4o)، موفرًا حلاً منخفض التكلفة وقابلًا للتحكم بدرجة عالية لإنشاء المحتوى باستخدام الذكاء الاصطناعي، ومُعززًا إتاحة تقنية توليد الصور للجميع. كما تُسهّل ميزات التوافق وسهولة الاستخدام عملية التفعيل للمطورين والمبدعين. تتوفر أوراق بحثية ذات صلة. OmniConsistency: تعلم الاتساق غير المرتبط بالأسلوب من بيانات الأسلوب المزدوج .

موارد الحوسبة المستخدمة في هذا البرنامج التعليمي هي بطاقة RTX A6000 واحدة.

2. عرض التأثير

3. خطوات التشغيل

1. ابدأ تشغيل الحاوية

إذا تم عرض "بوابة سيئة"، فهذا يعني أن النموذج قيد التهيئة. نظرًا لأن النموذج كبير الحجم، يرجى الانتظار لمدة 2-3 دقائق وتحديث الصفحة.

2. أمثلة الاستخدام

بمجرد دخولك إلى صفحة الويب، يمكنك التفاعل مع النموذج.

إذا كنت تستخدم LoRA مخصصًا، فسيستغرق تنزيل النموذج عبر الإنترنت وقتًا أطول، لذا يستغرق إنشاؤه وقتًا أطول. يُرجى الانتظار بصبر. بالإضافة إلى ذلك، قد يفشل تنزيل النموذج بسبب مشاكل في الشبكة أثناء عملية التنزيل. يُنصح بإعادة تشغيل الحاوية وتنزيل النموذج مرة أخرى.

توليد النتائج

4. المناقشة

🖌️ إذا رأيت مشروعًا عالي الجودة، فيرجى ترك رسالة في الخلفية للتوصية به! بالإضافة إلى ذلك، قمنا أيضًا بتأسيس مجموعة لتبادل الدروس التعليمية. مرحبًا بالأصدقاء لمسح رمز الاستجابة السريعة وإضافة [برنامج تعليمي SD] للانضمام إلى المجموعة لمناقشة المشكلات الفنية المختلفة ومشاركة نتائج التطبيق↓

معلومات الاستشهاد

شكرًا لمستخدم Github سوبر يانغ  نشر هذا البرنامج التعليمي. معلومات الاستشهاد لهذا المشروع هي كما يلي:

@inproceedings{Song2025OmniConsistencyLS,
  title={OmniConsistency: Learning Style-Agnostic Consistency from Paired Stylization Data},
  author={Yiren Song and Cheng Liu and Mike Zheng Shou},
  year={2025},
  url={https://api.semanticscholar.org/CorpusID:278905729}
}