تحرير الصور والتلوين الجزئي
تغيير موضع في الصورة بتعليمة مكتوبة
يُعرض النص الكامل باللغة الإنجليزية؛ وقد تمت ترجمة العنوان والملخص.
ما الذي تعنيه هذه القدرة
Takes the original image, a written instruction and usually a mask marking the region to change, and outputs the modified image. Unlike image-to-image it has an explicit, local edit intent and should leave unspecified areas untouched; unlike text-to-image it does not generate from scratch but operates surgically on an existing picture.
كيف تُنفَّذ تقنيًا
The base method is inpainting: noise is added and removed only inside the mask while the rest reuses the original latents, with the instruction injected through cross-attention or an adapter. More careful schemes add a reference image and an identity-preservation branch so the edited person keeps the same face; another route hands instruction and image to a multimodal model that predicts the edited latents directly.
منتجات تمثيلية
5Firefly
2023أداة لتوليد الصور وتحريرها موجّهة للمبدعين
Stable Diffusion
2022أطلق أوزان النص إلى صورة مفتوحة وبحجم يعمل على كروت الرسوميات الاستهلاكية
FLUX
2024يولّد صورًا عالية الدقة بمحوّل تدفّق مُقوَّم
DALL·E 3
2023يعيد صياغة الطلب الطويل إلى وصف مفصّل ثم يرسم الصورة
Seedream
2024نموذج نص إلى صورة بدقة عالية أصلية وقدرة جيدة على رسم النصوص
المؤسسات ذات الصلة
الاستخدامات الشائعة
- Removing clutter and swapping backgrounds in product photos
- Portrait retouching and restyling
- Swapping assets in ads and posters
- Restoring old photos and filling missing parts
كيف يُقاس مدى جودتها
- Edit-direction consistency
- Whether the CLIP-space shift matches the instruction direction
- FID
- Distribution gap to real images, guarding against degrading realism
- Human rating
- Ratings for instruction completion and preservation
الحدود والصعوبات
- Boundary, lighting and noise in the repainted area often mismatch the surroundings and need several passes
- Multi-part requests — new outfit, new background, new expression — usually complete only some of them
- Large edits drift the identity, so the face stops resembling the original person
المفاهيم الكامنة وراءها
الانتشار في الفضاء الكامن والتحكم الشرطي
أجرِ الانتشار لا على البكسلات بل داخل فضاء دلالي مضغوط
نماذج الانتشار
تعلّم ألف خطوة صغيرة لإزالة الضوضاء، فتستطيع بناء صورة من ضوضاء صافية
التوليد متعدد الوسائط
نموذج واحد يتعلّم الكلام والرسم والحركة، بل ونمذجة العالم ثلاثي الأبعاد