# مقیاس‌دهی اپسیلون

این گره روش مقیاس‌گذاری اپسیلون (Epsilon Scaling) را که از مقالهٔ پژوهشی «Elucidating the Exposure Bias in Diffusion Models» (arxiv.org/abs/2308.15321v6) گرفته شده است، پیاده‌سازی می‌کند. این روش با مقیاس‌گذاری نویز پیش‌بینی‌شده در طول فرایند نمونه‌برداری به کاهش انحراف نوردهی (exposure bias) کمک می‌کند که می‌تواند به بهبود کیفیت تصاویر تولیدشده منجر شود. این پیاده‌سازی از «برنامهٔ یکنواخت» (uniform schedule) توصیه‌شده در مقاله برای کارایی و اثربخشی آن استفاده می‌کند.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | الزامی | محدوده |
| --- | --- | --- | --- | --- |
| `مدل` | مدلی که پچ مقیاس‌گذاری اپسیلون روی آن اعمال می‌شود. | MODEL | بله | - |
| `ضریب مقیاس‌دهی` | عاملی که نویز پیش‌بینی‌شده با آن مقیاس‌گذاری می‌شود. مقدار بزرگ‌تر از 1.0 نویز را کاهش می‌دهد، در حالی که مقدار کوچک‌تر از 1.0 آن را افزایش می‌دهد (پیش‌فرض: 1.005). این یک پارامتر پیشرفته است. | FLOAT | خیر | 0.5 - 1.5 (گام: 0.001) |

توجه: اگر `scaling_factor` روی 0 تنظیم شود، گره به‌طور خودکار آن را با مقدار بسیار کوچکی (1e-9) جایگزین می‌کند تا از تقسیم بر صفر جلوگیری شود. حداقل مقدار رابط کاربری (UI) که 0.5 است، معمولاً از این اتفاق جلوگیری می‌کند.

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `model` | نسخهٔ وصله‌شدهٔ مدل ورودی با تابع مقیاس‌گذاری اپسیلون که روی فرایند نمونه‌برداری آن اعمال شده است. | MODEL |

> این مستند با هوش مصنوعی تهیه شده است. اگر خطایی دیدید یا پیشنهادی برای بهبود دارید، خوشحال می‌شویم مشارکت کنید! [ویرایش در GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/Epsilon Scaling/fa.md)

---
**Source fingerprint (SHA-256):** `8d258c7bb853940922402f1009d777bfc71e88704fd2f615f569c214ddbeac64`
