تخطَّ إلى المحتوى الرئيسي
ToolPotion
مستشار الذكاء الاصطناعي
إرسال (مجاني)

Linum P-JiT

Linum P-JiT هو نموذج تجريبي لتحويل النص إلى صورة يحتوي على 2B من المعلمات تم تطويره بواسطة Linum، وهو مختبر بحثي مكون من شخصين يركز على نماذج الفيديو التوليدية. يُظهر هذا النموذج كدليل على المفهوم بنية Pyramid-JiT الجديدة، محققًا توليد صور عالية الجودة بتكلفة تدريب منخفضة تبلغ حوالي 21,000 دولار. يمثل هذا خطوة نحو أدوات إبداعية أكثر كفاءة وسهولة في الوصول إليها للرسوم المتحركة.

زيارة الرابط
مشاركة
لقطة شاشة لـ Linum P-JiT
لقطة شاشة لـ Linum P-JiT

Linum P-JiT هو نموذج تجريبي لتحويل النص إلى صورة تم تطويره بواسطة Linum، وهو مختبر بحثي مكون من شخصين مخصص لتدريب نماذج الفيديو التوليدية من الصفر. هذا النموذج، الذي يحتوي على 2B من المعلمات Pyramid-JiT (P-JiT)، يعمل كدليل على المفهوم لأبحاثهم المستمرة في ديمقراطية الوصول إلى الرسوم المتحركة من خلال أدوات توليدية فعالة من حيث التكلفة وقابلة للتحكم. بلغت تكلفة تشغيل التدريب لهذا النموذج حوالي 21,038 دولار، مما يُظهر الإمكانية لتحقيق نتائج عالية الجودة بتكلفة حسابية منخفضة نسبيًا.

قراءة المزيد

الابتكار الأساسي وراء P-JiT هو قدرته على تحقيق ضغط أكثر عدوانية وتعلم أسرع من خلال القضاء على مشفر التباين التقليدي (VAE) من بنية نموذج الانتشار. بدلاً من ذلك، يتعلم نموذج الانتشار مساحة كامنة مصممة خصيصًا لحالة الاستخدام الخاصة به، مما يسمح بتحقيق ضغط أكبر وتحسين في التوليد. يتقارب هذا النموذج في مساحة البكسل في 11 مرة أقل من العينات مقارنةً بـ Linum v2 ويقدم تقليصًا أكثر عدوانية بأربع مرات، مما يمثل صورة بحجم 512x512 بنفس عدد الرموز المستخدمة سابقًا لصورة بحجم 256x256. وهذا يترجم إلى تقليص بمقدار أربعة أضعاف في نافذة سياق الانتباه، مما يقلل بشكل كبير من تكاليف التدريب والاستدلال.

تتضمن بنية P-JiT خط معالجة النص والصورة، حيث يمر كل نمط عبر كتل "مصفاة" DiT أحادية النمط قبل الدمج في تيار من 22 كتلة DiT متطابقة. يتم اشتقاق تمثيل النص من نموذج Qwen3.5-4B المجمد، بينما يتم تقسيم الصور إلى قطع بحجم 32x32 وضغطها في مساحة ذات أبعاد 1024. كما يتميز النموذج بقراءات PixelREPA المتوافقة مع DINOv3-L ورؤوس قراءة خطية إضافية على الجذع لتسريع التقارب من خلال التنبؤ بنسخ منخفضة الدقة من الصورة النهائية.

تم إجراء التدريب على مراحل متعددة، بدءًا من دقة 512x512 لـ 610 مليون عينة ثم الانتقال إلى دقة 1024x1024 لـ 50 مليون عينة. تم استخدام منهج دراسي على جدول الضوضاء، حيث تم التركيز في البداية على الضوضاء العالية لتعلم الهيكل الأساسي، ثم توسيع التوزيع للتفاصيل الدقيقة. شمل التدريب بعد ذلك نوعًا من تحسين تدفق الفرق المحدود (FDFO) مع JEV-Image وقضاة من البشر. بينما يُظهر النموذج نتائج واعدة، إلا أن لديه قيودًا، خاصة فيما يتعلق بتوليد الجسم الكامل، والكيانات المتعددة، والتفاعلات بين الأشخاص المتعددين، والمعرفة العالمية، وهي شائعة بالنسبة لنماذج بحجمه. لم يتم تدريبه باستخدام صور نصية مُعالجة، وبالتالي لا يمكنه توليد نصوص أو ملصقات.

  • الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
  • نموذج التسعيرمفتوح المصدر
  • النشرسحابي
  • المنصاتالويب

  • بنية Pyramid-JiT (P-JiT): نموذج جديد في مساحة البكسل لتوليد فعال

  • DiT بحجم 2B: حجم نموذج المحول الأساسي للانتشار

  • مشفر نص بحجم 4B: يستخدم نموذج Qwen3.5-4B المجمد لتمثيل النص

  • تصميم خالٍ من VAE: يقضي على VAE لتحقيق ضغط أكثر عدوانية وتعلم أسرع

  • تقليص الرموز بمقدار 4x: يمثل صور بحجم 512x512 مع 4x أقل من الرموز مقارنةً بـ Linum v2

  • تقارب أسرع بمقدار 11x: يحقق نتائج مع عدد أقل بكثير من عينات التدريب

  • تدريب متعدد المراحل: يتقدم من دقة 512x512 إلى 1024x1024

  • جدول ضوضاء منهجي: يعدل توزيع الضوضاء لتعلم الهيكل والتفاصيل

  • قراءات PixelREPA: ينسق المساحة الكامنة مع DINOv3-L لتحسين تعلم التفاصيل

  • رؤوس قراءة خطية: تتنبأ بصور نظيفة بدقة ربع ونصف لتسريع التقارب

  • تحسين تدفق الفرق المحدود (FDFO): يُستخدم لتحسين ما بعد التدريب

  • ترخيص Apache 2.0: تم إصدار الأوزان بموجب ترخيص مفتوح المصدر

  • تدريب فعال من حيث التكلفة: حقق نتائج عالية الجودة بتكلفة حوالي 21,000 دولار

  • تركيز على أبحاث الفيديو التوليدية: خطوة نحو نماذج الفيديو المستقبلية

  1. فهم البنية: مراجعة تفاصيل بنية P-JiT، بما في ذلك تدفقات معالجة النص والصورة.

  2. فحص نظام التدريب: التعرف على عملية التدريب متعددة المراحل، وجداول الضوضاء، وانتقالات الدقة.

  3. استكشاف قيود النموذج: فهم القيود الحالية المتعلقة بتوليد الجسم الكامل، والكيانات المتعددة، وتوليد النص.

  4. الوصول إلى إعدادات التدريب: الرجوع إلى الملحق A للحصول على معلمات وإعدادات التدريب التفصيلية.

  5. مراجعة تحليل التكلفة: الاطلاع على تحليل تكاليف الحوسبة قبل وبعد التدريب.

  6. تحليل أمثلة الفشل: دراسة الأمثلة المقدمة لفشل النموذج لفهم القدرات الحالية ومجالات التحسين.

  • أبحاث توليد النص إلى صورة
  • تدريب نموذج فعال من حيث التكلفة
  • تطوير نماذج الفيديو التوليدية
  • اختبار الابتكار المعماري
  • تجربة الذكاء الاصطناعي مفتوحة المصدر

تقييمات Linum P-JiT

جاري التحميل...

أدوات ذكاء اصطناعي شائعة مثل Linum P-JiT

وان 2.2

تطبيقات الذكاء الاصطناعي

نموذج مفتوح المصدر لتوليد الفيديو من مختلط الخبراء من مختبر تونغ يي التابع لشركة علي بابا لإنشاء الفيديو من النصوص والصور بدقة تصل إلى 720 بكسل، مع تحكم سينمائي وأوزان نموذج قابلة…

مولّدات الفيديو بالذكاء الاصطناعيالإعلام والترفيه

المرتبة 194 في مولّدات الفيديو بالذكاء الاصطناعي

عرض الأداة

تطبيقات الذكاء الاصطناعي

نموذج مفتوح المصدر لتوليد الفيديو من مختلط الخبراء من مختبر تونغ يي التابع لشركة علي بابا لإنشاء الفيديو من النصوص والصور بدقة تصل إلى 720 بكسل، مع تحكم سينمائي وأوزان نموذج قابلة…

مولّدات الفيديو بالذكاء الاصطناعيالإعلام والترفيه
المرتبة 194 في مولّدات الفيديو بالذكاء الاصطناعي

سحابة الذكاء الاصطناعي التوليدي

تطبيقات الذكاء الاصطناعي

تقدم سحابة الذكاء الاصطناعي التوليدي الوصول إلى أكثر من 500 نموذج لإنشاء الصور والفيديو والصوت. توفر واجهات برمجة تطبيقات موحدة، وتكاليف أقل، والوصول إلى النماذج من اليوم الأول…

منصّات تعلّم الآلةالإعلام والترفيه
عرض الأداة

تطبيقات الذكاء الاصطناعي

تقدم سحابة الذكاء الاصطناعي التوليدي الوصول إلى أكثر من 500 نموذج لإنشاء الصور والفيديو والصوت. توفر واجهات برمجة تطبيقات موحدة، وتكاليف أقل، والوصول إلى النماذج من اليوم الأول…

منصّات تعلّم الآلةالإعلام والترفيه
عرض أفضل 250 من تطبيقات الذكاء الاصطناعي

HunyuanImage 3.0 هو نموذج متعدد الوسائط قوي مصمم لتوليد الصور. يتفوق في مهام تحويل النص إلى صورة وتحويل الصورة إلى صورة، ويقدم قدرات متقدمة للتحرير الإبداعي وتعزيز المطالبات…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض الأداة

نموذج متعدد الوسائط قوي مصمم لتوليد الصور. يتفوق في مهام تحويل النص إلى صورة وتحويل الصورة إلى صورة، ويقدم قدرات متقدمة للتحرير الإبداعي وتعزيز المطالبات…HunyuanImage 3.0 هو نموذج متعدد الوسائط قوي مصمم لتوليد الصور. يتفوق في مهام تحويل النص إلى صورة وتحويل الصورة إلى صورة، ويقدم قدرات متقدمة للتحرير الإبداعي وتعزيز المطالبات…

مميزةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض أفضل 5 من نماذج الذكاء الاصطناعي

تقدم FluxPicture مولد صور وفيديو مجاني بالذكاء الاصطناعي، يتميز بـ FLUX AI لأنماط صور متنوعة ونتائج واقعية. كما يتضمن Krea للصور عالية الجودة و Wan 2.2 لتوليد الفيديو، مما يسمح…

مولّدات الصور بالذكاء الاصطناعي
عرض الأداة

تقدم FluxPicture مولد صور وفيديو مجاني بالذكاء الاصطناعي، يتميز بـ FLUX AI لأنماط صور متنوعة ونتائج واقعية. كما يتضمن Krea للصور عالية الجودة و Wan 2.2 لتوليد الفيديو، مما يسمح…

مولّدات الصور بالذكاء الاصطناعي
عرض أفضل 250 من تطبيقات الذكاء الاصطناعي

Imgex.ai

تطبيقات الذكاء الاصطناعي

Imgex.ai هو استوديو للصور والفيديوهات يعتمد على الذكاء الاصطناعي حيث يمكنك إنشاء وتحرير وتحريك المرئيات عبر العديد من النماذج — من النص إلى الصورة وتحرير المراجع إلى الصورة إلى…

مولّدات الصور بالذكاء الاصطناعيالإعلام والترفيه
عرض الأداة

تطبيقات الذكاء الاصطناعي

استوديو للصور والفيديوهات يعتمد على الذكاء الاصطناعي حيث يمكنك إنشاء وتحرير وتحريك المرئيات عبر العديد من النماذج — من النص إلى الصورة وتحرير المراجع إلى الصورة إلى…Imgex.ai هو استوديو للصور والفيديوهات يعتمد على الذكاء الاصطناعي حيث يمكنك إنشاء وتحرير وتحريك المرئيات عبر العديد من النماذج — من النص إلى الصورة وتحرير المراجع إلى الصورة إلى…

مولّدات الصور بالذكاء الاصطناعيالإعلام والترفيه
عرض أفضل 250 من تطبيقات الذكاء الاصطناعي

Yolly AI

تطبيقات الذكاء الاصطناعي

Yolly AI هو مولد فيديو وصورة بالذكاء الاصطناعي شامل يجمع بين النماذج الرائدة لإنشاء مقاطع فيديو بدقة 4K بمستوى سينمائي مع صوت وصور عالية الدقة من نصوص أو صور أو فيديوهات موجودة.

مولّدات الفيديو بالذكاء الاصطناعيالإعلام والترفيه

المرتبة 225 في مولّدات الفيديو بالذكاء الاصطناعي

عرض الأداة

تطبيقات الذكاء الاصطناعي

مولد فيديو وصورة بالذكاء الاصطناعي شامل يجمع بين النماذج الرائدة لإنشاء مقاطع فيديو بدقة 4K بمستوى سينمائي مع صوت وصور عالية الدقة من نصوص أو صور أو فيديوهات موجودة.Yolly AI هو مولد فيديو وصورة بالذكاء الاصطناعي شامل يجمع بين النماذج الرائدة لإنشاء مقاطع فيديو بدقة 4K بمستوى سينمائي مع صوت وصور عالية الدقة من نصوص أو صور أو فيديوهات موجودة.

مولّدات الفيديو بالذكاء الاصطناعيالإعلام والترفيه
المرتبة 225 في مولّدات الفيديو بالذكاء الاصطناعي

Vidofy

تطبيقات الذكاء الاصطناعي

استوديو AI شامل يقوم بإنشاء الفيديو والصور والصوت من خلال موجه باستخدام أكثر من 500 نموذج AI مثل Veo وRunway وKling وSeedance، كل ذلك في حساب واحد مع أرصدة مشتركة.

مولّدات الفيديو بالذكاء الاصطناعيالإعلام والترفيه

المرتبة 129 لـ إنشاء الرسوم المتحركة

عرض الأداة

تطبيقات الذكاء الاصطناعي

استوديو AI شامل يقوم بإنشاء الفيديو والصور والصوت من خلال موجه باستخدام أكثر من 500 نموذج AI مثل Veo وRunway وKling وSeedance، كل ذلك في حساب واحد مع أرصدة مشتركة.

مولّدات الفيديو بالذكاء الاصطناعيالإعلام والترفيه
المرتبة 129 لـ إنشاء الرسوم المتحركة

Flux Lora

تطبيقات الذكاء الاصطناعي

Flux Lora هي منصة مستقلة تركز على توليد الصور، مقارنة النماذج، وتدريب LoRA المدارة. تقدم استوديو AI متعدد الأغراض لنماذج الصور والفيديو، مع خطط لعمليات عمل مخصصة ومكتبة نماذج…

مولّدات الصور بالذكاء الاصطناعي
عرض الأداة

تطبيقات الذكاء الاصطناعي

منصة مستقلة تركز على توليد الصور، مقارنة النماذج، وتدريب LoRA المدارة. تقدم استوديو AI متعدد الأغراض لنماذج الصور والفيديو، مع خطط لعمليات عمل مخصصة ومكتبة نماذج…Flux Lora هي منصة مستقلة تركز على توليد الصور، مقارنة النماذج، وتدريب LoRA المدارة. تقدم استوديو AI متعدد الأغراض لنماذج الصور والفيديو، مع خطط لعمليات عمل مخصصة ومكتبة نماذج…

مولّدات الصور بالذكاء الاصطناعي
عرض أفضل 250 من تطبيقات الذكاء الاصطناعي
1 من 8