🚀 بهینه‌سازی دقیق‌تر مدل‌های دیفیوژن بدون از دست دادن دانش قبلی! 🧠

یکی از چالش‌های بزرگ در دنیای مدل‌های مولد (Diffusion Models)، این است که وقتی آن‌ها را برای سبک یا هدف جدیدی «فاین‌تیون» می‌کنیم، قدرت عمومی و خلاقیت اصلی‌شان را تا حد زیادی از دست می‌دهند. 📉

در تحقیق جدیدی که به تازگی منتشر شده، روشی به نام «Source-Prior-Driven Selective Adaptation» معرفی شده که این مشکل را حل می‌کند. به جای تغییر کل مدل، این روش با شناسایی هوشمندانه پارامترها و استفاده از یک ماسک ایستا، فقط بخش‌های ضروری را به‌روزرسانی می‌کند. نتیجه؟ مدل نه تنها در هدف جدید عالی عمل می‌کند، بلکه توانایی‌های عمومی قبلی‌اش را هم حفظ می‌کند. ✨

این یعنی فاین‌تیونینگِ حرفه‌ای‌تر و بهینه‌تر برای پروژه‌های گرافیکی و هنری شما! 🎨

منبع: arXiv AI