Fijngestemd diffusiemodel
Een fijngestemd diffusiemodel past een groot vooraf getraind denoising diffusiemodel — zoals Stable Diffusion of DALL-E — aan een specifiek onderwerp, stijl of domein aan door de training voort te zetten op een kleine, zorgvuldig samengestelde dataset. Technieken zoals DreamBooth, tekstuele inversie en LoRA maken deze aanpassing haalbaar op consumentenhardware met behoud van algemene generatieve capaciteit.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Fine-Tuned Denoising Diffusion Probabilistic Model. ScholarGate. https://scholargate.app/nl/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.
- Fijn-afgestemd Generatief Adversarieel NetwerkDeep learning↔ compare
- Fijnafgestemde beeldclassificatieDeep learning↔ compare
- Fijn-afgestelde Variational AutoencoderDeep learning↔ compare
- Fijn-afgestelde Vision TransformerDeep learning↔ compare
- Transfer Learning met DiffusiemodellenDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →