Hienosäädetty diffuusiomalli
Hienosäädetty diffuusiomalli mukauttaa suurta, esikoulutettua kohinaa poistavaa diffuusiomallia — kuten Stable Diffusion tai DALL-E — tiettyyn aiheeseen, tyyliin tai toimialueeseen jatkamalla koulutusta pienellä kuratoidulla aineistolla. Menetelmät, kuten DreamBooth, tekstuaalinen inversio ja LoRA, mahdollistavat tämän mukauttamisen kuluttajalaitteistolla säilyttäen samalla yleisen generatiivisen kyvyn.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Fine-Tuned Denoising Diffusion Probabilistic Model. ScholarGate. https://scholargate.app/fi/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.
- Hienosäädetty generoiva kilpaileva verkkoSyväoppiminen↔ compare
- Hienosäädetty kuvien luokitteluSyväoppiminen↔ compare
- Hienosäädetty variaatioautokooderiSyväoppiminen↔ compare
- Hienosäädetty Vision TransformerSyväoppiminen↔ compare
- Siirtokoulutus diffuusiomallillaSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →