Aprendizagem por Transferência com Modelo de Difusão
A Aprendizagem por Transferência com Modelos de Difusão adapta um grande modelo de difusão pré-treinado — como Stable Diffusion ou DALL-E 2 — a um novo domínio ou tarefa-alvo, continuando o treinamento em um conjunto de dados menor e específico do domínio. Em vez de aprender o processo generativo completo do zero, os profissionais aproveitam o conhecimento já codificado em milhões de etapas de treinamento para alcançar geração adaptada ao domínio de alta qualidade com dados e computação modestos.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Transfer Learning Applied to Diffusion-Based Generative Models. ScholarGate. https://scholargate.app/pt/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.
- Modelo de Difusão com Adaptação de DomínioAprendizado profundo↔ compare
- Modelo de Difusão Ajustado FinamenteAprendizado profundo↔ compare
- Modelo de Difusão MultimodalAprendizado profundo↔ compare
- Modelo de Difusão Auto-supervisionadoAprendizado profundo↔ compare
- Transfer Learning com Redes Neurais ConvolucionaisAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →