استخلاص الهوية التقييمية: استخلاص متسارع أسّي للنماذج الانتشارية المُدرّبة مسبقًا للاستخراج في خطوة واحدة

نُقدّم طريقة "تَوْحيد الهوية التقييمية" (SiD)، وهي طريقة مبتكرة غير مُعتمدة على البيانات، تقوم بتحويل القدرات التوليدية للنماذج الانتشارية المُدرّبة مسبقًا إلى مُولّد أحادي الخطوة. لا تُسهم SiD فقط في تقليل مُتَناسبة فريتشيت إنسيبشن (FID) بشكل أسي خلال عملية التوحيّد، بل تصل أيضًا إلى أداء مماثل أو حتى يفوق أداء النماذج المعلّمة الأصلية (النماذج المُعلّمة) من حيث FID. من خلال إعادة صياغة عمليات الانتشار الأمامي على شكل توزيعات شبه ضمنية، نستفيد من ثلاث هويات مرتبطة بالسرعة (score-related identities) لبناء آلية خسارة مبتكرة. تُحقّق هذه الآلية تقليلًا سريعًا في FID من خلال تدريب المُولّد باستخدام الصور المُولّدة ذاتيًا، مما يُلغِي الحاجة إلى بيانات حقيقية أو توليد يعتمد على عملية الانتشار العكسي، وكل ذلك يتم في زمن توليد مختصر بشكل كبير. عند تقييم الخوارزمية على أربع مجموعات بيانات معيارية، تُظهر SiD كفاءة عالية في التكرار خلال عملية التوحيّد، وتتفوّق على الطرق المنافسة في التوحيّد، سواء كانت أحادية الخطوة أو قليلة الخطوات، غير مُعتمدة على البيانات أو تعتمد على بيانات التدريب، من حيث جودة التوليد. تمثل هذه الإنجازات إعادة تعريف للمعايير في كفاءة وفعالية التوحيّد الانتشاري، بل وتمتد إلى المجال الأوسع للتوليد القائم على النماذج الانتشارية. يمكن الوصول إلى النسخة المُطبقة بـ PyTorch عبر الرابط: https://github.com/mingyuanzhou/SiD