Jemně doladěný difuzní model
Jemně doladěný difuzní model adaptuje velký předtrénovaný denoisingový difuzní model — jako je Stable Diffusion nebo DALL-E — na specifický subjekt, styl nebo doménu pokračováním tréninku na malé, kurátorované datové sadě. Techniky jako DreamBooth, textová inverze a LoRA umožňují tuto adaptaci na spotřebitelském hardwaru při zachování obecné generativní schopnosti.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Ruiz, N., Li, Y., Jampani, V., Pritch, Y., Rubinstein, M., & Aberman, K. (2023). DreamBooth: Fine Tuning Text-to-Image Diffusion Models for Subject-Driven Generation. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 22500–22510. DOI: 10.1109/CVPR52729.2023.02155 ↗
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Fine-Tuned Denoising Diffusion Probabilistic Model. ScholarGate. https://scholargate.app/cs/deep-learning/fine-tuned-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.
- Dolaďovaná generativní adversariální síťHluboké učení↔ compare
- Dolaďování klasifikace obrazuHluboké učení↔ compare
- Jemně doladěný variační autoenkodérHluboké učení↔ compare
- Dolaďovaný Vision TransformerHluboké učení↔ compare
- Přenosové učení s difuzními modelyHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →