Model de difusió adaptatiu al domini
Un model de difusió adaptatiu al domini és un model probabilístic de difusió de denoising (DDPM) que es pre-entrena en grans conjunts de dades generals i després s'adapta — mitjançant ajust fi, inversió textual o LoRA — per generar sortides d'alta qualitat en un domini objectiu específic. Combina la potent capacitat generativa dels models de difusió amb tècniques d'adaptació de domini, permetent la síntesi d'alta fidelitat en àrees especialitzades com ara imatges mèdiques, imatges de satèl·lit o estils artístics específics del domini amb dades limitades del domini objectiu.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems, 33, 6840–6851. link ↗
- Gal, R., Alaluf, Y., Atzmon, Y., Patashnik, O., Bermano, A. H., Chechik, G., & Cohen-Or, D. (2023). An Image is Worth One Word: Personalizing Text-to-Image Generation using Textual Inversion. International Conference on Learning Representations (ICLR 2023). link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Domain-Adaptive Diffusion Model. ScholarGate. https://scholargate.app/ca/deep-learning/domain-adaptive-diffusion-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- GAN adaptativa al dominiAprenentatge profund↔ compare
- Vision Transformer Adaptatiu al DominiAprenentatge profund↔ compare
- Model de difusió ajustat amb precisióAprenentatge profund↔ compare
- Model de difusió multimodalAprenentatge profund↔ compare
- Model de difusió auto-supervisatAprenentatge profund↔ compare
- Aprenentatge per transferència amb models de difusióAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →