Trong bài viết này
Từ được đánh dấu có giải thích. Di chuột hoặc chạm để xem, hay mở từ điển AI.
Một ảnh có cấu trúc rõ ràng: đường viền, màu sắc và quan hệ giữa các vật. Một mảng nhiễu ngẫu nhiên lại giống những đốm màu chưa có hình thù. Diffusion là một họ phương pháp tạo sinh khai thác mối liên hệ giữa dữ liệu và nhiễu. Để hiểu ý tưởng, cần tách quá trình học khỏi lúc tạo kết quả.
Hai chiều của một ý tưởng
Trong DDPM, chiều thuận thêm dần nhiễu Gaussian vào dữ liệu theo một lịch đã định. Chiều ngược được học để chuyển từ trạng thái nhiều nhiễu sang ít nhiễu hơn. Một cách huấn luyện trong bài báo là cho mạng dự đoán phần nhiễu đã thêm. Khi sinh mẫu, quá trình bắt đầu từ nhiễu rồi thực hiện các bước chiều ngược đã học. Đây không phải thao tác tìm lại chắc chắn một ảnh gốc đang ẩn trong nhiễu. Xem nghiên cứu Denoising Diffusion Probabilistic Models.
Diffusion là một hướng tạo sinh, không phải tên chung của mọi AI tạo ảnh. Vì vậy, khi dùng công cụ cụ thể, cần xem tài liệu của công cụ trước khi kết luận nó hoạt động theo cơ chế nào.
Ví dụ bằng một tờ giấy kẻ ô
Tưởng tượng bạn vẽ một vòng tròn trên lưới ô vuông rồi liên tục rải thêm chấm ngẫu nhiên. Ban đầu vẫn thấy đường tròn; sau nhiều lượt, hình khó nhận ra. Đây là ví dụ tự xây dựng để hình dung chiều thêm nhiễu, không phải thí nghiệm huấn luyện mô hình.
Nếu đưa tờ giấy cuối cho một người chưa xem bản đầu, họ có thể vẽ nhiều hình hợp lý khác nhau. Ví dụ này nhắc rằng tạo ra một hình có cấu trúc không đồng nghĩa phục hồi chính xác nguồn ban đầu. Cũng không nên hiểu mô hình như người dùng tẩy xóa từng hạt bụi theo trực giác.
Hình dưới minh họa vòng lặp huấn luyện chung: dự đoán, so sánh và cập nhật. Nó không thể hiện lịch nhiễu hay các bước lấy mẫu riêng của diffusion.
Mô hình nhận ví dụ đã gán nhãn, tạo dự đoán, đo sai lệch rồi điều chỉnh tham số. Khả năng áp dụng cần được kiểm tra trên dữ liệu chưa dùng để học.
↔ Vuốt ngang để xem toàn bộ sơ đồ.
01 / Ví dụ có nhãn
Các phản hồi về quán cà phê đi kèm nhãn đúng: đồ uống, phục vụ hoặc không gian.
02 / Tạo dự đoán
Mô hình dùng tham số hiện tại để dự đoán chủ đề của phản hồi.
03 / Đo sai lệch
So dự đoán với nhãn đúng. Hàm mất mát biểu diễn mức sai lệch cần giảm.
04 / Điều chỉnh
Thuật toán cập nhật tham số và lặp lại trên dữ liệu học. Sau đó đánh giá bằng các ví dụ được giữ riêng.
Minh họa giản lược cho học máy có giám sát. Một lần điều chỉnh không bảo đảm dự đoán tiếp theo sẽ đúng.
Từ nguyên lý đến yêu cầu tạo ảnh
Giả sử bạn cần hình minh họa cho câu lạc bộ đọc sách: một bàn gỗ, hai cuốn sách và một cây đèn. Hãy viết yêu cầu thành các phần kiểm tra được: số vật, vị trí tương đối, màu nền và khoảng trống dành cho tiêu đề.
Chẳng hạn: “Minh họa phẳng, hai cuốn sách đặt cạnh nhau trên bàn gỗ, một cây đèn bên phải, nền kem, phần trên để trống.” Đây là yêu cầu mẫu do bài viết đề xuất, không phải bằng chứng rằng mọi công cụ sẽ tuân thủ đủ các chi tiết.
Trước khi thử, khoanh ba điều bắt buộc và hai điều tùy chọn. Cách này giúp quyết định ảnh dùng được hay chưa, thay vì chỉ hỏi ảnh có đẹp không. Bạn cũng biết chi tiết nào cần sửa ở lượt tiếp theo.
Giới hạn: hợp mắt chưa đủ dùng
Với ví dụ câu lạc bộ, một ảnh rất đẹp nhưng có ba cuốn sách vẫn không đạt yêu cầu “hai cuốn”. Một cây đèn che vùng tiêu đề cũng khiến bố cục khó sử dụng. Đây là các tình huống kiểm tra giả định; hãy quan sát kết quả thực tế trước khi ghi nhận lỗi.
Đừng dùng ảnh tạo sinh như bằng chứng rằng một đồ vật, địa điểm hay sự kiện đã tồn tại. Mục đích của hình minh họa là truyền đạt ý tưởng. Nếu cần mô tả một hiện vật cụ thể, bạn phải đối chiếu với nguồn ảnh và thông tin thật.
Bài tập: chấm ba phương án
Tạo hoặc phác thảo ba phương án cho yêu cầu bàn đọc sách. Lập bảng gồm năm tiêu chí: đúng hai sách, đúng một đèn, đèn bên phải, nền kem và vùng tiêu đề trống. Chấm từng tiêu chí đạt hoặc chưa đạt, kèm chi tiết quan sát được.
Tự kiểm: bảng phải có 15 ô chấm, giải thích được lựa chọn cuối cùng, và chỉ ra một thay đổi cụ thể cho phương án chưa đạt. Nếu không có công cụ tạo ảnh, bài tập phác thảo vẫn giúp luyện kỹ năng đặt yêu cầu; nó không đo chất lượng của diffusion.
Đọc tiếp AI đa phương thức để phân biệt hiểu ảnh, ghép ảnh với chữ và tạo ảnh mới.