Diffusion Models للمبتدئ: ازاي Stable Diffusion بيرسم من نص — وليه استبدل GAN

• BigGAN: 14.73
• StyleGAN2: 8.32
• DDPM (Diffusion): 3.17

كود Python يوضّح الفكرة عمليًا

المثال ده بيستخدم مكتبة diffusers من HuggingFace. بيولّد صورة من نص في 28 سطر:

الـ num_inference_steps=30 هي عدد خطوات إزالة النويز. أكتر = جودة أعلى وزمن أطول. guidance_scale بيحدد قد إيه الموديل يلتزم بالنص. أرقام مقاسة على RTX 4090 24GB:

• 20 خطوة → 2.8 ثانية، جودة مقبولة
• 30 خطوة → 4.2 ثانية، جودة جيدة (الأنسب للإنتاج)
• 50 خطوة → 7.0 ثواني، تحسّن طفيف بس مش يستاهل الزمن المضاعف

الـ Trade-offs اللي لازم تعرفها

الـ Diffusion مش دواء سحري. اللي بتكسبه:

• جودة صور أعلى من GAN بفارق واضح في الـ FID
• تنوع أكبر — مفيش mode collapse
• تدريب مستقر — مفيش وحش يقاتل وحش

اللي بتدفعه:

• التوليد أبطأ بكتير: GAN بيولّد في forward pass واحد (10ms)، Diffusion محتاج 25-50 forward passes (3-7 ثواني). لو محتاج real-time generation، GAN لسه أسرع.
• استهلاك VRAM أعلى: Stable Diffusion 1.5 بياخد 4GB، SDXL بياخد 10GB+، Flux Dev بياخد 24GB. كروت GPU عادية بتختنق.
• تحكم أصعب في الـ latent space: في GAN ممكن تتحكم في خصائص الصورة بسهولة عبر الـ latent vector. في Diffusion محتاج تقنيات إضافية زي ControlNet أو IP-Adapter.
• تكلفة الـ inference عالية: توليد 1 مليون صورة على cloud GPU بيكلّف $300+ بـ Diffusion، مقابل $20 بـ GAN.

متى لا تستخدم Diffusion Models

الـ Diffusion مش الحل الصح في الحالات دي:

• تطبيق real-time (لعبة، live filter كاميرا، AR): GAN أو VAE أنسب لأنهم أسرع 100x.
• عندك dataset صغير جدًا (أقل من 1000 صورة): Diffusion بيحتاج بيانات كتيرة للتدريب من الصفر. الحل: fine-tune نموذج جاهز بـ DreamBooth أو LoRA.
• محتاج تحكم دقيق في خصائص محددة (سن، جنس، إضاءة): StyleGAN3 لسه أحسن في الـ latent control المباشر.
• توليد فيديو طويل (أكتر من 10 ثواني): Diffusion التقليدي بيتعب. الأنسب نماذج متخصصة زي Sora أو Stable Video Diffusion.

الخطوة التالية

افتح Stable Diffusion 1.5 على HuggingFace وشغّل الكود اللي فوق على Google Colab مجانًا (T4 GPU بيكفي). جرّب تغيّر num_inference_steps بين 10 و 50 وشوف الفرق بعينك. لو فهمت ازاي الخطوات بتأثر على الجودة وليه فيه نقطة بعدها مفيش تحسّن، خلاص بقيت فاهم 80% من Diffusion. بعد كده ابدأ تقرا عن Latent Diffusion (Stable Diffusion الأصلي) وازاي بيشتغل في latent space بدل pixel space علشان يوفر 64x من الذاكرة.

المصادر

• Ho et al. 2020 — "Denoising Diffusion Probabilistic Models" (الورقة الأصلية): arxiv.org/abs/2006.11239
• Rombach et al. 2022 — "High-Resolution Image Synthesis with Latent Diffusion Models" (Stable Diffusion): arxiv.org/abs/2112.10752
• HuggingFace Diffusers Documentation: huggingface.co/docs/diffusers
• Lilian Weng — "What are Diffusion Models?" (شرح بصري ممتاز): lilianweng.github.io
• Goodfellow et al. 2014 — "Generative Adversarial Networks" (ورقة GAN الأصلية للمقارنة): arxiv.org/abs/1406.2661