إنشاء صور معمارية باستخدام FLUX وDiffusers: دليل التحكم والسرعة

تعرض وثائق Hugging Face Diffusers نماذج FLUX بوصفها خيارات لإنشاء الصور من النص، وكذلك لتعديل الصور الموجودة من خلال تهيئتها بشروط. يكيّف هذا الدليل الإعدادات الواردة في الوثائق مع سيناريوهات العمل على التصورات المعمارية المفاهيمية وأجواء المساحات الداخلية والصور المرجعية. لم يُذكر في الوثائق رقم إصدار محدد لـ Diffusers؛ لذا تستند الخطوات التالية إلى أمثلة FLUX الواردة في التوثيق، وينبغي التحقق بصورة مستقلة مما إذا كانت هناك اختلافات بحسب إصدار التثبيت.

1. اختر إصدار FLUX المناسب للمهمة

تضم عائلة FLUX نماذج مختلفة لمهام متنوعة. FLUX.1-schnell نموذج مُقطّر بخطوات زمنية (timestep-distilled)، بينما FLUX.1-dev إصدار مُقطّر بالتوجيه (guidance-distilled). وترد في الوثائق أيضًا خيارات Fill وCanny Control وDepth Control وRedux وKontext. إذا كان الهدف في البداية إنشاء صورة للأجواء من وصف نصي فحسب، فيمكن تجربة Schnell أو dev؛ أما إذا كان المطلوب اتباع ترتيب محدد للخطوط أو العمق، فيمكن النظر في Canny أو Depth.

ينبغي ألا تتجاوز قيمة max_sequence_length في Schnell مقدار 256، وأن تكون قيمة guidance_scale مساوية لـ 0. يستخدم المثال الوارد في الوثائق 4 خطوات استدلال لإخراج بحجم 768 × 1360 بكسل. ويُذكر أن إصدار dev يحتاج إلى نحو 50 خطوة لإنتاج جودة جيدة؛ ولا ينطبق عليه الحد نفسه لقيمة max_sequence_length. هذه إعدادات أمثلة موضحة في الوثائق، لذا ينبغي اختبار الجودة والمدة لكل مشروع على حدة.

2. أنشئ التصور الأول من وصف نصي

في المحاولة الأولى، صف العناصر الأساسية للمشهد وأجواءه بأسلوب واضح وموجز. ففي العمل المعماري، يمكن أن يتضمن الوصف نوع المساحة والإحساس بالخامات وطبيعة الإضاءة. هذه اقتراحات عملية لصياغة prompt؛ ولا تفرض وثائق Diffusers قالبًا محددًا لوصف معماري.

يستند المثال أدناه إلى استخدام FLUX.1-schnell الوارد في الوثائق. وينبغي تعديل النص في حقل prompt ليتناسب مع المشهد المطلوب. أما enable_model_cpu_offload() فيرد ضمن مثال الوثائق، ويستخدم خيار إخلاء النموذج إلى CPU.

import torch
from diffusers import FluxPipeline

pipe = FluxPipeline.from_pretrained(
    "black-forest-labs/FLUX.1-schnell",
    dtype=torch.bfloat16
)
pipe.enable_model_cpu_offload()

image = pipe(
    prompt="A calm contemporary interior with natural materials and soft daylight",
    guidance_scale=0.0,
    height=768,
    width=1360,
    num_inference_steps=4,
    max_sequence_length=256,
).images[0]

في هذا المثال، تتطابق قيمتا الأبعاد والخطوات مع مثال Schnell في الوثيقة المصدر؛ أما نص prompt فمجرد وصف توضيحي. عند تقييم النتيجة، لا تقتصروا على الحكم على جاذبية الصورة، بل تحققوا أيضًا مما إذا كان الترتيب الأساسي للمساحة قد حُفظ. وإذا أردتم تجربة نموذج dev للحصول على مزيد من التفاصيل، فضعوا في الحسبان أن إنشاء صورة باستخدام نحو 50 خطوة قد يستغرق وقتًا أطول.

3. تحكّم بالإحساس الهندسي باستخدام Canny أو Depth

إذا لم يكن الوصف النصي كافيًا للحفاظ بوضوح على شكل رسم تخطيطي موجود أو على الترتيب المكاني، فيمكن استخدام صورة للتحكم. يعتمد Canny Control على معلومات الحواف؛ وتشير وثيقة Diffusers إلى أن هذه الطريقة مصممة لتتبع الشرط البنيوي عن كثب. ويعرض التوثيق قيمًا نموذجية للمعالجة المسبقة باستخدام Canny: عتبة منخفضة قدرها 50 وعتبة عالية قدرها 200، وقيمة 1024 لاكتشاف الحواف ودقة الصورة. كما يستخدم مثال التوليد إخراجًا بحجم 1024 × 1024، و50 خطوة، وقيمة guidance_scale مقدارها 30,0.

يستخدم Depth Control شرطًا بصريًا مستخرجًا بواسطة معالج مسبق للعمق. ويعرض المثال في الوثائق إخراجًا بحجم 1024 × 1024، و30 خطوة، وقيمة guidance_scale مقدارها 10,0. عند التجربة باستخدام رسم تخطيطي لمساحة داخلية أو دراسة للكتل المعمارية، يمكن النظر إلى Canny بوصفه خيارًا يبرز ترتيب الحدود، وإلى Depth بوصفه خيارًا يبرز علاقات العمق. وينبغي اعتبار هذه الأساليب وسيلة لإضافة شروط إلى عملية التوليد، لا ضمانًا لتثبيت النتيجة بالكامل.

4. فكّر في Fill أو Redux أو Kontext لتعديل الصور

يدعم FLUX Fill تغيير الصورة داخل منطقة القناع، وكذلك التوسيع خارج حدود الصورة (outpainting). ووفقًا لوثيقة Diffusers، لا يحتاج هذا المسار إلى مُدخل strength المستخدم في مسارات inpainting القياسية. وقد تلائم هذه الميزة سير العمل عند الرغبة في تغيير جزء محدد من صورة داخلية أو توسيع الإطار إلى الخارج؛ لكن إعداد القناع والصورة المصدر يظل من مسؤولية المستخدم.

يُعرّف Redux بأنه adapter يعمل مع النماذج الأساسية لـ FLUX.1، ويدعم FLUX.1-dev وFLUX.1-schnell في التوليد من صورة إلى صورة. أما Kontext، فيستهدف استخدامات مثل تعديل صورة موجودة وتحسينها وإعادة إضاءتها ونقل الأسلوب إليها. وتشير الوثائق أيضًا إلى تشغيل integrity safety checker المتاح بعد التوليد باستخدام Kontext. لذلك، لا يقتصر الأمر في مرحلة التعديل على اختيار مسار التوليد، بل من المهم أيضًا إدراج خطوات التحقق والسلامة في سير العمل.

5. خطّط لمتطلبات الأجهزة وإمكانية إعادة الإنتاج

توضح وثائق Diffusers أن تشغيل FLUX قد يكون مكلفًا على الأجهزة الاستهلاكية، وأن التحسينات يمكن أن تساعد على تشغيل أسرع أو أقل استهلاكًا للذاكرة. كما تشير إلى أن التكميم قد يرفع كفاءة استخدام الذاكرة، لكنه قد يأتي على حساب زمن الاستدلال. لذلك، من الأفضل في المكاتب إجراء اختبارات صغيرة أولًا باستخدام الدقة وإصدار النموذج المستهدفين، ثم تقييم متطلبات الأجهزة والوقت. ولا تحدد الوثائق متطلبات بطاقة رسومات بعينها أو سعرًا محددًا.

تشرح وثيقة Diffusers العامة الخاصة بإنشاء الصور أن تحديد seed باستخدام torch.Generator يساعد على إعادة إنتاج النتيجة نفسها. وقد يكون ذلك مفيدًا عند مقارنة prompt أو إعدادات أخرى ضمن عرض تقديمي لتصور مفاهيمي. لكن المصادر لا تضمن أن تعطي مسارات FLUX المختلفة النتيجة نفسها في جميع الظروف.

أخطاء شائعة

• استخدام قيمة لـ guidance_scale في Schnell غير 0، أو رفع max_sequence_length فوق 256.

• التعامل مع مثال Schnell ذي الخطوات الأربع كما لو كان إعدادًا لنموذج dev؛ فالوثائق تشرح متطلبات مختلفة لكل إصدار.

• افتراض أن استخدام صورة شرطية مع Canny أو Depth سيضمن تثبيت كل تفاصيل النتيجة بدقة.

• النظر إلى التكميم على أنه وسيلة لتوفير الذاكرة فقط؛ فالوثائق توضح أيضًا المفاضلة المتعلقة بزمن الاستدلال.