ScholarGate
Pembantu
Machine learningDeep learning / NLP / CV

Pembelajaran Pemindahan dengan Model Penyebaran

Pembelajaran pemindahan dengan model penyebaran (Transfer Learning with Diffusion Models) menyesuaikan model penyebaran besar yang telah dilatih awal — seperti Stable Diffusion atau DALL-E 2 — kepada domain atau tugas sasaran baharu dengan meneruskan latihan pada set data khusus domain yang lebih kecil. Daripada mempelajari keseluruhan proses penjanaan daripada awal, pengamal memanfaatkan pengetahuan yang telah dikodkan dalam berjuta-juta langkah latihan untuk mencapai penjanaan yang disesuaikan dengan domain berkualiti tinggi dengan data dan pengkomputeran yang sederhana.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log 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 memetik halaman ini

ScholarGate. (2026, June 3). Transfer Learning Applied to Diffusion-Based Generative Models. ScholarGate. https://scholargate.app/ms/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). Dicapai 2026-06-15 daripada https://scholargate.app/ms/deep-learning/transfer-learning-diffusion-model · Set data: https://doi.org/10.5281/zenodo.20539026