ড্রিমবুথ

It trades larger file sizes for higher fidelity than lighter personalization methods.

DreamBooth, 2022 সালে Google গবেষকদের দ্বারা প্রকাশিত, একটি বিষয়ের 3-5টি চিত্রের উপর নেটওয়ার্কের ওজনকে সূক্ষ্ম-টিউনিং করে পাঠ্য-টু-ইমেজ মডেলগুলিকে ব্যক্তিগতকৃত করে৷ এটি বিষয়টিকে একটি বিরল টোকেনের সাথে যুক্ত করে যা একটি শ্রেণি শব্দের সাথে যুক্ত হয়—যেমন, 'sks কুকুরের একটি ছবি'—তাই মডেল শিখে 'sks' মানে *এই বিশেষ* কুকুর। একটি মূল চ্যালেঞ্জ হল 'ভাষা ড্রিফ্ট' এবং ওভারফিটিং: ট্রেনিং খুব কঠিন এবং মডেল ভুলে যায় কীভাবে অন্য কুকুর আঁকতে হয়, বা শুধুমাত্র প্রশিক্ষণের ভঙ্গি পুনরুত্পাদন করে। ড্রিমবুথের মূল সমাধান হল একটি পূর্ব-সংরক্ষণের ক্ষতি: এটি জেনেরিক কুকুরের মডেলের নিজস্ব তৈরি করা চিত্রগুলিকেও প্রশিক্ষণ দেয়, বৃহত্তর 'কুকুর' ধারণাকে অ্যাঙ্কর করে যখন বিরল টোকেন নির্দিষ্ট বিষয়কে শোষণ করে। প্রাপ্তি হল বাস্তববাদ এবং নমনীয়তা, বিষয়টিকে অভিনব আলো, ভঙ্গি এবং শৈলীতে প্রদর্শিত হতে দেয়।