
الذكاء الاصطناعي والحوسبة
معمارية المحول البصري ViT
- التكوين:
- رقع الصورة تتحول إلى تسلسل رموز
- نسبة العرض إلى الارتفاع:
- 16:9
المطالبة
أنشئ مخططاً لمعمارية محول بصري، يُقرأ من اليسار إلى اليمين:
1. صورة إدخال كأيقونة صغيرة لمنظر طبيعي، تقسمها خطوط رفيعة إلى شبكة رقع مربعة.
2. تُفرد الرقع في صف واحد من مربعات صغيرة.
3. يمر كل مربع عبر صندوق إسقاط خطي واحد مشترك ويصبح شريط رمز ملوناً. يوضع شريط رمز رمادي إضافي في مقدمة الصف، وتضاف علامات موضعية صغيرة لكل شريط.
4. يدخل صف الرموز كتلة طويلة لمشفر Transformer، وخلفها ظل خفيف لنسخ متراكبة بلا تسميات.
5. يستمر رمز المقدمة الرمادي وحده إلى صندوق صغير لرأس MLP، يتجه نحو صندوق خرج واحد للفئة.
اكتب كل تسمية مرة واحدة فقط. إذا تكرر مكون في مواضع أو لوحات، فسمه عند ظهوره الأول فقط واترك بقية النسخ بلا نص. لا تكرر التسميات، والتزم بتهجئتها المعطاة تماماً ولا تضف عناوين.
التسميات، كل منها مرة واحدة فقط ومن دون أي نص آخر: 【Input image, Patches, Linear projection, Class token, Position embedding, Transformer encoder, MLP head, Class】.
الأسلوب: مخطط توضيحي بمستوى المجلات العلمية. رسوم متجهية مسطحة ونظيفة على خلفية بيضاء. تُرسم الوحدات كمستطيلات مستديرة الزوايا أو أيقونات بسيطة وتُكتب أسماؤها المختصرة داخلها، مع لوحات فاتحة بألوان باستيل تجمع الطبقات المرتبطة. استخدم 3–4 ألوان هادئة فقط، ولكل لون معنى ثابت. أسهم رفيعة ومتساوية السمك لتدفق البيانات أو الطاقة أو المواد أو التأثير، وأسهم متقطعة للعلاقات غير المباشرة أو التغذية الراجعة. لا تستخدم إلا تسميات إنجليزية بخط بلا زوائد، وتظهر كل تسمية مرة واحدة فقط وبالتهجئة المعطاة حرفياً. لا تصيير ثلاثي الأبعاد، ولا ظلال أو توهج أو زينة سايبربانك أو خلفيات تقنية، ولا مظهر فوتوغرافي.
يفتح Yila بهذه المطالبة مع المثال كصورة مرجعية.
أُنشئت الأمثلة باستخدام Nano Banana. تعمل المطالبة أيضاً مع GPT Image ونماذج الصور الأخرى، وتختلف النتائج بحسب النموذج.






