فهم مقياس CFG في Stable Diffusion. تعلم كيفية استخدامه لتحسين جودة الصورة في مدونتنا.
مقدمة
مقياس CFG، المعروف أيضًا باسم مقياس التوجيه الخالي من المصنف (Classifier Free Guidance scale)، يلعب دورًا حاسمًا في التحكم في مدى التزام Stable Diffusion بالنص الوصفي الخاص بك، ويمكن استخدامه في كل من توليد النص إلى صورة (txt2img) والصورة إلى صورة (img2img).
في هذه المدونة، سنقدم لك مقدمة شاملة عن مقياس CFG في Stable Diffusion، بما في ذلك علاقته بـ Stable Diffusion والتقنية الكامنة وراءه. علاوة على ذلك، سنعرض لك دليلاً مفصلاً حول كيفية استخدامه في Stable Diffusion وكيفية تجنب الأخطاء الشائعة. دعنا نتعمق في عالم مقياس CFG الآن!
فهم مقياس CFG في Stable Diffusion
في Stable Diffusion، يمثل الاختصار CFG مقياس “التوجيه الخالي من المصنف” (Classifier Free Guidance)، والذي يلعب دورًا حاسمًا في تحديد جودة الصور الناتجة.
تطور CFG (التوجيه الخالي من المصنف)
في البداية، استخدمت نماذج الانتشار مصنفًا صريحًا لتوجيه عملية التوليد، وذلك من خلال تدريب مصنف على الصور المزعجة لتصنيف وتوجيه توليد فئات محددة، مثل القطط أو الكلاب. ومع ذلك، تطلب هذا نموذجًا إضافيًا. ومن هنا جاء التوجيه الخالي من المصنف، الذي يستخدم التعليقات التوضيحية للصور لتدريب نموذج انتشار مشروط.
ما هو مقياس CFG؟
مقياس CFG، أو مقياس التكوين، هو معامل يتحكم في شدة عملية الانتشار. يحدد مدى انتشار أو تشتت قيم البكسل، وهذا يعني أنه يحدد المدى الذي يتبعه Stable Diffusion لوصفك النصي.
كيف يعمل مقياس CFG في Stable Diffusion؟
بشكل افتراضي، يتم تعيين قيمة مقياس CFG إلى 7، مما يحقق توازنًا بين الحرية الإبداعية والتوجيه النصي.
العلاقة بين مقياس CFG و Stable Diffusion
الانتشار المستقر (Stable diffusion) هو مفهوم في مجال معالجة الصور والرسوميات الحاسوبية يشير إلى عملية نشر أو تشتيت قيم البكسل عبر الصورة. غالبًا ما تُستخدم هذه التقنية لإنشاء مجموعة متنوعة من التأثيرات، مثل التمويه والوضوح واكتشاف الحواف. يتم التحكم في هذه العملية من خلال مجموعة من المعاملات، أحدها هو مقياس CFG.
كيف يؤثر مقياس CFG على جودة الصورة؟
يحدد مقياس CFG المعامل المطبق على كلمات الوصف في عملية الانتشار. قيمة مقياس CFG المنخفضة يمكن أن تحافظ على المزيد من التفاصيل ولكنها قد لا تحقق تأثير الانتشار المطلوب. من ناحية أخرى، يمكن لقيمة مقياس CFG العالية أن تخلق تأثير انتشار قوي ولكنها قد تؤدي إلى فقدان تفاصيل الصورة. لذلك، فإن إيجاد التوازن الصحيح هو مفتاح تحقيق صور عالية الجودة.
يعتمد تعديل مقياس CFG في الانتشار المستقر على النتيجة المرجوة. إذا كان الهدف هو إنشاء تأثير انتشار خفيف، فإن قيمة مقياس CFG المنخفضة ستكون مناسبة. وعلى العكس، إذا كان الهدف هو إنشاء تأثير انتشار قوي، فستكون هناك حاجة إلى قيمة مقياس CFG عالية.
أثناء استخدام واجهة Stable Diffusion Web UI، يقتصر CFG على الأرقام الموجبة التي تتراوح من 1 إلى 30. ومع ذلك، عند استخدام Stable Diffusion عبر Terminal، يمكن ضبط CFG إلى 999 ويمكن أن يأخذ قيمًا سالبة تشير إلى الرغبة في أن يولد Stable Diffusion محتوى معاكسًا لوصفك النصي.
كيفية استخدام مقياس CFG في Stable Diffusion؟
لتتعلم كيفية استخدام مقياس CFG في Stable Diffusion، يجب أن يكون لديك نموذج Stable Diffusion في مشروعك. في هذا القسم، سنعلمك كيفية استخدامه خطوة بخطوة بدءًا من دمج Stable Diffusion في برنامجك.
دليل خطوة بخطوة
فائدة الحصول على Stable Diffusion من خلال دمج API بدلاً من تنزيله هي أنك قادر على تدريب النماذج وإجراء بعض التعديلات عليها وفقًا لاحتياجاتك.
- الخطوة 1: افتح موقع Novita AI وأنشئ حسابًا عليه.
- الخطوة 2: انتقل إلى “API” وابحث عن الواجهة التي تريدها. يوفر Novita AI العديد من واجهات API مثل “Text to Image” و"Image to Image" وغيرها.
- الخطوة 3: احصل على مفتاح API وقم بدمجه في مشروعك.
- الخطوة 4: انتقل إلى واجهة Stable Diffusion الخاصة بك.
- الخطوة 5: اختر نموذج Stable Diffusion الذي تريده من القائمة وأدخل الأوصاف النصية لصورتك. يوفر Novita AI العديد من النماذج بما في ذلك Stable Diffusion XL و Stable Diffusion 3.
- الخطوة 6: اضبط قيمة مقياس CFG وقم بتوليد الصورة.
- الخطوة 7: جرب قيمًا مختلفة لمقياس CFG لاكتشاف القيمة المحددة التي تظهر النتيجة الأكثر إثارة للإعجاب.
اعتبارات الأجهزة حول استخدام مقياس CFG
يمكن أن يتأثر أداء ونتائج Stable Diffusion بالأجهزة المستخدمة.
- وحدة معالجة الرسومات (GPU): تعتبر وحدة معالجة الرسومات القوية ضرورية لتشغيل Stable Diffusion بكفاءة. يستخدم النموذج GPU للمهام المكثفة حسابياً في توليد الصور.
- ذاكرة الوصول العشوائي (RAM): ذاكرة نظام كافية مهمة لاستجابة النظام بشكل عام والقدرة على التعامل مع مجموعات البيانات الكبيرة. يوصى بذاكرة لا تقل عن 16 جيجابايت، و 32 جيجابايت للمهام الأكثر تطلبًا.
- نظام التشغيل: Stable Diffusion متوافق مع أنظمة تشغيل مختلفة، بما في ذلك Windows و macOS و Linux. ومع ذلك، قد تؤثر الإصدارات والتحديثات المحددة على التوافق والأداء.
حالات استخدام مقياس CFG لـ Stable Diffusion
يسمح مقياس CFG في Stable Diffusion للمستخدمين بضبط عملية توليد الصور وفقًا لاحتياجاتهم.
تحسين جودة الصورة
يمكن للمستخدمين ضبط مقياس CFG لتحسين جودة الصورة. غالبًا ما يُوصى بقيمة 7، لأنها توفر توازنًا جيدًا بين الواقعية والالتزام بالوصف النصي المدخل.
الأوصاف السلبية (Negative Prompts)
يمكن استخدام مقياس CFG جنبًا إلى جنب مع الأوصاف السلبية، والتي يمكن أن تساعد في إنشاء صور تستبعد عناصر معينة مع الاستمرار في الالتزام بالوصف النصي الرئيسي.
دراسة حالة
من خلال ضبط قيمة مقياس CFG في دراسة الحالة، يمكننا ملاحظة كيف تؤثر مستويات التوجيه المختلفة على الصور المولدة، مما يزيد من فهم أهمية دور مقياس CFG في تحقيق صور ناتجة عالية الدقة.
بالإضافة إلى ذلك، يوفر Novita AI أيضًا ساحة تجربة “image-to-image”. يمكنك إجراء دراسة الحالة الخاصة بك عليه.
الخلاصة
في الختام، مقياس CFG هو معلمة حيوية في الانتشار المستقر تتحكم في شدة عملية الانتشار. فهم كيفية ضبط مقياس CFG بناءً على النتيجة المرجوة وجودة الصورة الأصلية يمكن أن يحسن بشكل كبير نتائج الانتشار المستقر. كما هو الحال مع العديد من الأمور في معالجة الصور والرسوميات الحاسوبية، غالبًا ما يتضمن إيجاد قيمة مقياس CFG المثلى عملية تجربة وخطأ وتعتمد على المتطلبات المحددة لكل مشروع.
Novita AI هي المنصة السحابية الشاملة التي تمكن طموحاتك في الذكاء الاصطناعي. من خلال واجهات API المتكاملة بسلاسة، والحوسبة بدون خادم، وتسريع GPU، نقدم لك الأدوات الفعالة من حيث التكلفة التي تحتاجها لبناء وتوسيع نطاق أعمالك القائمة على الذكاء الاصطناعي بسرعة. تخلص من متاعب البنية التحتية وابدأ مجانًا — Novita AI تجعل أحلامك في الذكاء الاصطناعي حقيقة.
قراءات موصى بها
