Дообученная диффузионная модель
Дообученная диффузионная модель адаптирует большую предварительно обученную модель шумоподавления — такую как Stable Diffusion или DALL-E — к конкретному объекту, стилю или области путем продолжения обучения на небольшом отобранном наборе данных. Такие методы, как DreamBooth, textual inversion и LoRA, делают эту адаптацию возможной на потребительском оборудовании, сохраняя при этом общую генеративную способность.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Fine-Tuned Denoising Diffusion Probabilistic Model. ScholarGate. https://scholargate.app/ru/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.
- Дообученная генеративно-состязательная сетьГлубокое обучение↔ compare
- Дообучение классификации изображенийГлубокое обучение↔ compare
- Дообученный вариационный автокодировщикГлубокое обучение↔ compare
- Дообученный Vision TransformerГлубокое обучение↔ compare
- Трансферное обучение с диффузионной модельюГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →