diffusion مقابل GAN: لماذا تتعامل أجهزة الكشف معها بشكل مختلف

كيف يبني GAN صورة

تبدأ الشبكة التوليدية التنافسية من متجه صغير وتزيد من أخذ العينات بشكل متكرر، وتضاعف الدقة في كل طبقة حتى تصل إلى الحجم الكامل. تحكم شبكة ثانية على النتيجة، وتتدرب الاثنتان ضد بعضهما البعض.

زيادة أخذ العينات المتكررة هي الجزء المهم. تقدم كل خطوة مضاعفة نمطاً منتظماً، وتتراكم هذه الأنماط في بنية دورية تكون مرئية عند تحويل الصورة إلى مجال التردد.

كانت تلك البنية قريبة من التوقيع. يمكن لأجهزة الكشف المبكرة البحث عن نمط رقعة الشطرنج في طيف التردد والوصول إلى دقة عالية دون فهم أي شيء عن الصورة. كانت بصمة للبنية أكثر من كونها لأي نموذج معين.

كيف يبني نموذج diffusion صورة

يعمل نموذج diffusion بطريقة عكسية. يبدأ بمجال من التشويش النقي بدقة الهدف الكاملة ويزيل القليل منه في كل خطوة، مسترشداً بما تعلمه النموذج، حتى تظهر الصورة.

لا يوجد سلم تدرج (upsampling ladder)، لذا لا توجد آثار دورية. المخرجات تختلف إحصائياً عن لقطة الكاميرا، والفرق منتشر بدلاً من أن يكون هيكلياً. لا شيء في الصورة يظهر كنمط واضح يمكنك البحث عنه.

سبب توقف الكواشف القديمة عن العمل

أداة بُنيت للعثور على نمط الترقيع في نطاق التردد لا تجد شيئاً في صورة الانتشار (diffusion). لا تبلغ الأداة عن وجود حالة عدم يقين؛ بل تبلغ عن غياب الأثر، وهو ما يُقرأ كنتيجة نظيفة.

هذا هو السبب في أن دقة الكشف عبر المجال بدت وكأنها تنهار بين عامي 2021 و2023. الأدوات لم تتدهور، بل الشيء الذي كانت تبحث عنه توقف عن الإنتاج.

ما الذي حل محل الكشف الخاص ببنية معينة

الشمولية. بدلاً من البحث عن أثر واحد، يتم تدريب الكواشف الحالية على مخرجات أكبر عدد ممكن من المولدات المختلفة، بحيث يتعلم النموذج القواسم المشتركة للنسيج الاصطناعي بدلاً من ما تنتجه عائلة واحدة.

تم تدريب النموذج المستخدم هنا على ملايين الصور من آلاف المولدات لهذا السبب تحديداً. التغطية عبر البنى هي ما يضمن التعميم للنموذج التالي، وهي النهج الوحيد الذي نجا من تغير الأسلوب السائد.

المقايضة هي أن الدقة في أي مولد معروف تكون أقل مما يحققه كاشف متخصص. هذه مقايضة صحيحة، لأن المتخصص يصبح عديم الفائدة في اليوم الذي يظهر فيه شيء جديد.

ما يتنبأ به هذا

الدرس المستفاد من الانتقال من GAN إلى الانتشار (diffusion) ليس حول الانتشار بحد ذاته. بل هو أن أي كاشف مرتبط بكيفية صنع الصور حالياً له عمر محدود، ولن يتم الإعلان عن الانتقال مسبقاً.

هل يهم أي من هذا للمستخدم

في الغالب يفسر أمرين ستلاحظهما. أولاً، لماذا لا يستطيع الكاشف عادة تسمية الأداة التي أنتجت الصورة: فهو يقرأ خاصية إحصائية مشتركة بدلاً من بصمة لكل نموذج.

ثانياً، لماذا تعطي الكواشف المجانية القديمة أداءً سيئاً. تم بناء العديد من الأدوات التي لا تزال عبر الإنترنت حول آثار شبكات GAN ولم يتم إعادة تدريبها. إنها تعيد نتائج نظيفة واثقة على المخرجات الحالية، ولا يوجد شيء في الواجهة يفسر السبب.

ما تفعله سلسلة المعالجة الهجينة للنتيجة

معظم الصور التي تصل إليك لم يتم إنتاجها بأسلوب واحد. نموذج انتشار (diffusion) يولد القاعدة، ومكبر دقة (upscaler) يعتمد على GAN يوسعها، ويمرر إصلاح الوجه العينين، ويقوم محرر بقص وحفظ النتيجة.

كل مرحلة تعيد كتابة النسيج، لذا يحمل الملف آثاراً لعدة عمليات متراكبة فوق بعضها البعض. المرحلة الأخيرة التي تلمس الصورة تهيمن عادة على ما يقرؤه الكاشف، وهذا هو السبب في أن صورة الانتشار (diffusion) المكبرة يمكن أن تبدو إحصائياً أشبه بالمكبر أكثر من المولد.

هذا هو السبب العملي لعدم نجاح تحديد البنية خارج المختبر. في اختبار خاضع للرقابة مع مخرجات نموذج واحد نظيفة، تكون المشكلة قابلة للحل. أما في صورة مرت عبر سلسلة إنتاج حقيقية، فإن السؤال لا يُطرح بشكل جيد.

وهذا يفسر أيضاً نتيجة يجدها الناس محيرة: صورة مولدة حقيقياً تسجل نتيجة أقل من صورة فوتوغرافية مكبرة بكثافة. كلاهما تمت إعادة كتابة نسيجهما بواسطة البرمجيات، والكاشف يقرأ إعادة الكتابة بدلاً من الأصل.