ScholarGate
Asisten
Machine learningDeep learning / NLP / CV

Transfer Learning dengan Model Difusi

Transfer Learning dengan Model Difusi mengadaptasi model difusi besar yang telah dilatih sebelumnya — seperti Stable Diffusion atau DALL-E 2 — ke domain atau tugas target baru dengan melanjutkan pelatihan pada kumpulan data yang lebih kecil dan spesifik domain. Alih-alih mempelajari seluruh proses generatif dari awal, praktisi memanfaatkan pengetahuan yang sudah terkode dalam jutaan langkah pelatihan untuk mencapai generasi yang diadaptasi domain berkualitas tinggi dengan data dan komputasi yang sederhana.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

The neighbourhood of related methods — select a node to explore.

Sumber

  1. Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link
  2. 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. CVPR 2023. link

Cara menyitasi halaman ini

ScholarGate. (2026, June 3). Transfer Learning Applied to Diffusion-Based Generative Models. ScholarGate. https://scholargate.app/id/deep-learning/transfer-learning-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.

Compare side by side

Dirujuk oleh

ScholarGateTransfer Learning with Diffusion Model (Transfer Learning Applied to Diffusion-Based Generative Models). Diakses 2026-06-15 dari https://scholargate.app/id/deep-learning/transfer-learning-diffusion-model · Set data: https://doi.org/10.5281/zenodo.20539026