Finjustert diffusjonsmodell
En finjustert diffusjonsmodell tilpasser en stor forhåndstrent støyfjernende diffusjonsmodell — som Stable Diffusion eller DALL-E — til et spesifikt motiv, stil eller domene ved å fortsette treningen på et lite kuratert datasett. Teknikker som DreamBooth, tekstlig inversjon og LoRA gjør denne tilpasningen mulig på forbrukerhardware, samtidig som generell generativ kapasitet bevares.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Fine-Tuned Denoising Diffusion Probabilistic Model. ScholarGate. https://scholargate.app/no/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.
- Finjustert generativt antagonistisk nettverkDyp læring↔ compare
- Finjustert bildklassifiseringDyp læring↔ compare
- Finjustert VariasjonsautoenkoderDyp læring↔ compare
- Finjustert Vision TransformerDyp læring↔ compare
- Overføringslæring med diffusjonsmodellerDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →