Transfer Learning met Diffusiemodellen
Transfer Learning met Diffusiemodellen past een groot, vooraf getraind diffusiemodel aan — zoals Stable Diffusion of DALL-E 2 — aan een nieuwe doelkoppel of taak aan door de training voort te zetten op een kleinere, domeinspecifieke dataset. In plaats van het volledige generatieve proces vanaf nul te leren, maken practitioners gebruik van kennis die al is gecodeerd in miljoenen trainingstappen om domeingeadapteerde generatie van hoge kwaliteit te bereiken met bescheiden data en rekenkracht.
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
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Transfer Learning Applied to Diffusion-Based Generative Models. ScholarGate. https://scholargate.app/nl/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.
- Domein-adaptief diffusiemodelDeep learning↔ compare
- Fijngestemd diffusiemodelDeep learning↔ compare
- Multimodaal DiffusiemodelDeep learning↔ compare
- Zelf-gesuperviseerd diffusiemodelDeep learning↔ compare
- Transfer Learning met Convolutional Neural NetworkDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →