เปรียบเทียบวิธี

	แบบจำลองการแพร่กระจายหลายรูปแบบ	โมเดลการแพร่กระจายที่ปรับละเอียด
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2020–2022	2020–2023
ผู้ริเริ่ม	Ho, J. et al. (DDPM); Rombach, R. et al. (LDM/Stable Diffusion)	Ho, J., Jain, A., Abbeel, P. (base DDPM); Ruiz et al. (DreamBooth fine-tuning paradigm)
ประเภท	Generative model (denoising diffusion)	Generative model (fine-tuned via subject-specific or domain-specific data)
แหล่งต้นตำรับ	Rombach, R., Blattmann, A., Lorenz, D., Esser, P., & Ommer, B. (2022). High-Resolution Image Synthesis with Latent Diffusion Models. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 10684–10695.	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.
ชื่อเรียกอื่น	multimodal DDPM, cross-modal diffusion, conditional multimodal diffusion, multi-modal denoising diffusion	DDPM fine-tuning, diffusion model adaptation, personalized diffusion model, subject-driven diffusion fine-tuning
ที่เกี่ยวข้อง	6	5
สรุป	A multimodal diffusion model extends denoising diffusion probabilistic models to generate or understand content by conditioning on signals from multiple modalities — such as text, image, audio, or video — simultaneously. It learns to reverse a noise process guided by cross-modal context, enabling high-fidelity synthesis and translation across modalities.	A fine-tuned diffusion model adapts a large pretrained denoising diffusion model — such as Stable Diffusion or DALL-E — to a specific subject, style, or domain by continuing training on a small curated dataset. Techniques such as DreamBooth, textual inversion, and LoRA make this adaptation feasible on consumer hardware while preserving general generative capability.