Machine learningDeep learning / NLP / CV

확산 모델을 이용한 전이 학습

확산 모델을 이용한 전이 학습은 Stable Diffusion 또는 DALL-E 2와 같은 대규모 사전 훈련된 확산 모델을 소규모 도메인별 데이터셋에 대한 훈련을 계속함으로써 새로운 대상 도메인이나 작업에 적응시키는 것입니다. 전체 생성 프로세스를 처음부터 학습하는 대신, 실무자들은 수백만 번의 훈련 단계에 이미 인코딩된 지식을 활용하여 적당한 데이터와 컴퓨팅으로 고품질의 도메인 적응 생성을 달성합니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

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

확산 모델을 이용한 전이 학습

도메인 적응 확산 모델 미세조정 확산 모델 다중 양식 확산 모델 자가 지도 확산 모델 컨볼루션 신경망을 이용한 전이 학습 전이 학습 GAN

출처

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

이 페이지 인용 방법

ScholarGate. (2026, June 3). Transfer Learning Applied to Diffusion-Based Generative Models. ScholarGate. https://scholargate.app/ko/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 →

이 방법을 참조하는 항목

도메인 적응 확산 모델 미세조정 확산 모델 전이 학습 GAN

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →