# PEEK يحدّ من أخطاء توليد الصور بالانتشار أثناء أخذ العينات

> يقترح باحثون إضافةً إلى آلية أخذ العينات، لا تتطلب تدريبًا، يقولون إنها تحسّن نتائج توليد الصور في ثمانية نماذج انتشار، مقابل كلفة معايرة محدودة.

Oossa · 2026-11-05 · https://oossa.com/ar/peek-aims-to-reduce-diffusion-image-errors-during-sampling

قدّم باحثون PEEK، وهي إضافة لا تتطلب تدريبًا لمولّدات الصور بالانتشار. تُجري الإضافة تقييمًا إضافيًا لمزيل الضوضاء في خطوات مختارة من أخذ العينات، ثم تستخدم التنبؤ الاستشرافي لضبط الخطوة التالية والحد من انحياز التعرّض، أي عدم التطابق بين مدخلات التدريب والمدخلات غير المثالية التي يواجهها النموذج أثناء التوليد.

يفيد الباحثون بأن PEEK حققت تحسنًا مقارنةً بخطوط أساس مماثلة من حيث عدد تقييمات مزيل الضوضاء، وذلك عبر ثمانية نماذج تعمل في فضاء البكسلات والفضاء الكامن، بما فيها إعدادات موجّهة بالنص. وسجّلوا تحسنًا في مقياس FID وصل إلى 49.3%؛ ولم تستغرق معايرة الإضافة لنموذج ما أكثر من 2.2 دقيقة في تجاربهم.

## الحقائق

- قُبلت الورقة في NeurIPS 2026.
- اختبر الباحثون PEEK على ثمانية نماذج انتشار، وأفادوا بتحسن في مقياس FID وصل إلى 49.3%. 

## لماذا يهم

بالنسبة إلى الفرق البحثية العاملة على مولّدات الصور بالانتشار، تتيح PEEK اختبار طريقة تُضاف إلى آلية أخذ العينات من دون إعادة تدريب النموذج، لكن الورقة لا تثبت مدى أدائها في المنتجات المستخدمة فعليًا.

## المصادر والمراجع

1. [PEEK: One-Step-Look-Ahead Exposure Bias Correction for Diffusion Sampling](https://arxiv.org/abs/2611.05407) – arXiv cs.CV, 2026-11-05

آخر تحديث: 2026-11-05