Model Penyesuaian Domain Adaptif

Model penyesuaian domain adaptif ialah model kebarangkalian penyahtidian berperingkat (DDPM) yang dilatih awal pada set data umum yang besar dan kemudian disesuaikan — melalui penalaan halus, penyongsangan teks, atau LoRA — untuk menjana output berkualiti tinggi dalam domain sasaran tertentu. Ia menggabungkan kapasiti penjanaan yang berkuasa bagi model penperingkat dengan teknik penyesuaian domain, membolehkan sintesis kesetiaan tinggi dalam kawasan khusus seperti pengimejan perubatan, pengimejan satelit, atau gaya seni khusus domain dengan data domain sasaran yang terhad.