Enver KOÇAK
Google Research, 29 Eylül 2026’da metinden görsel üreten modelleri kullanıcının niyetine daha iyi yönlendirmek için geliştirdiği Diffusion Controller yöntemini tanıttı. Chih-wei Hsu ve Moonkyung Ryu’nun yazdığı blog yazısı, arXiv’de yayımlanan bir makaleye dayanıyor.
Diffusion Controller, mevcut bir difüzyon modelinin üstüne eklenen hafif bir ağ. Amacı, ana modeli değiştirmeden üretim sürecini istenen hedefe doğru itmek.
Ne Değişti?
Görsel üretim modellerini yönlendirmek bugün hâlâ öngörülemez bir iş. Araştırmacıların örneği basit: “Güneş gözlüğü takan bir kertenkele” istendiğinde model bazen gözlüksüz, gerçekçi bir kertenkele çiziyor. Gözlüğü zorla eklemeye çalışınca da kertenkelenin yüzü bozulabiliyor.
Mevcut araçlar da dağınık. Sınıflandırıcısız rehberlik gibi yöntemler üretim sırasında komutun etkisini ayarlıyor. LoRA ve pekiştirmeli öğrenme tabanlı ince ayar yöntemleri ise modelin davranışını değiştiriyor. Yazarlara göre alan, bu yaklaşımları birleştiren ortak bir matematiksel çerçeveden yoksundu.
Diffusion Controller, gürültü giderme sürecini birbirinden kopuk adımlar dizisi olarak değil, sürekli bir kontrol problemi olarak ele alıyor. Ana model dondurulmuş kalıyor. Kontrolcü, üretimin izlediği yolu hedefe doğru ayarlayan bir tür direksiyon sönümleyici gibi çalışıyor. Bir koruma terimi de görüntü kalitesinin bozulmasını cezalandırıyor.
Nasıl Eğitiliyor ve Ne Kadar Başarılı?
Kontrol problemi, son görselin aldığı ödül puanına dayalı iki pratik eğitim yöntemine dönüştürülüyor. Birincisi, ani değişiklikleri sınırlayan kırpma kuralıyla çalışan PPO tabanlı politika gradyanı. İkincisi, yüksek ödüllü sonuçlar üreten yolları doğrudan öne çıkaran ödül ağırlıklı kayıp.
Araştırmacılar dört varyantı test etti. Bunların ikisi ana modelin iç ara çıktılarına sınırlı erişimle çalışırken, ikisi ana modelle birlikte eğitiliyor. Kullanıcılar ayrıca çalışma anında kontrolün ne kadar güçlü uygulanacağını bir parametreyle ayarlayabiliyor.
Deneyler Stable Diffusion v1.4 omurgası üzerinde yapıldı ve insan tercihini ölçen HPS-v2 puanıyla değerlendirildi. Ana varyant, denetimli ince ayar ve ödül ağırlıklı kayıp senaryolarında LoRA’ya karşı daha yüksek kazanma oranı elde etti. Bunu yaparken modelin çok daha az iç katmanına dokundu. İnsan değerlendiriciler de karmaşık, çok özellikli komutlarda bu yöntemi kalite ve komuta uyum açısından en iyi buldu. Tamamen açık sürüm, temel modele karşı yüzde 90 kazanma oranına ulaştı.
Yöntemin pratik bir avantajı da esneklik. Çalışma anındaki güç parametresi sayesinde aynı kontrolcü, hafif bir dokunuştan güçlü bir yönlendirmeye kadar farklı düzeylerde kullanılabiliyor. Ana model değişmediği için, kontrolcü kapatıldığında orijinal davranışa dönmek de mümkün. Bu, farklı hedefler için ayrı ayrı model kopyaları tutma ihtiyacını azaltıyor.
Kimi İlgilendiriyor?
Çalışma en çok görsel üretim modelleri üzerinde ince ayar yapan araştırmacıları ve ürün ekiplerini ilgilendiriyor. Ana modeli dondurup küçük bir ek ağ eğitmek, farklı müşteri ya da marka tarzları için ayrı ayarlar tutmayı kolaylaştırabilir.
Bazı sınırlar da var. Deneyler görece eski bir omurga olan Stable Diffusion v1.4 üzerinde yapıldı. Blog yazısında kod ya da model ağırlıklarının yayımlanıp yayımlanmadığı belirtilmiyor. Diğer karşılaştırmaların kesin sayıları da yalnızca grafiklerde yer alıyor.
Türkiye’den Kullanıcılar İçin
Türkiye’de reklam, e-ticaret ve tasarım alanında görsel üretim araçlarını kullanan ekipler için en tanıdık sorun, komutun tam olarak uygulanmaması. Diffusion Controller doğrudan kullanılabilecek bir ürün değil, bir araştırma sonucu. Ancak benzer yöntemlerin ileride ticari araçlara girmesi, komuta uyumun artması anlamına gelebilir.
Kaynaklar
Bu yazı, yukarıdaki kaynaklardan yapay zekâ yardımıyla Türkçe olarak derlenmiş bir özettir. Ayrıntılar ve resmi bilgi için kaynaklara başvurun.
