맞춤형 확산 다중 개념 튜닝
Custom Diffusion은 단 몇 장의 사진을 통해 텍스트-이미지 모델에 개나 특정 의자와 같은 새로운 개인 개념을 가르치는 가벼운 미세 조정 방법입니다.
개요
Its standout feature is composing several newly learned concepts together in one generated scene.
심층 분석
Adobe와 CMU 연구원이 2022년에 출시한 Custom Diffusion은 전체 네트워크를 재교육하지 않고도 Stable Diffusion과 같은 모델을 개인화합니다. 모든 가중치를 업데이트하는 대신 교차 주의 레이어의 키 및 값 투영 행렬인 작은 조각만 업데이트하면 대략 4~20개의 이미지에서 새로운 개념을 흡수하기에 충분하다는 것을 발견했습니다. 이렇게 하면 조정 속도가 빠르고(분) 저장 공간이 작아집니다(기가바이트가 아닌 메가바이트). 결정적으로, 공동 훈련을 통해 또는 제한된 최적화를 사용하여 별도로 훈련된 개념을 병합하여 여러 개념을 한 번에 학습할 수 있습니다. 이를 통해 특정 디자이너 의자에 앉아 있는 특정 고양이를 유도할 수 있는데, 단일 개념 방법을 결합하기는 어렵습니다.
기술적 통찰력
Cross-attention은 텍스트 프롬프트가 이미지에 영향을 미치는 곳입니다. 텍스트 토큰은 키 및 값 행렬을 통해 확산 모델의 시각적 기능에 참여하는 쿼리를 형성합니다. Custom Diffusion은 대부분의 U-Net을 동결하고 단어를 모양에 바인딩하는 데 가장 중요한 역할을 하는 부분인 K 및 V 투영만 조정합니다. 또한 모델이 과적합되어 더 넓은 단어 의미를 잊어버리는 것을 방지하기 위해 개념의 범주를 공유하는 실제 이미지의 정규화 세트를 사용합니다.
전략적 영향
속도와 규모
Visual AI는 대규모 검사, 감지 및 태그 지정 작업을 자동화할 수 있습니다.
빌드 선택
크리에이티브 팀은 수동 수정 횟수를 줄여 컨셉의 프로토타입을 더 빠르게 제작할 수 있습니다.
팀과 워크플로우
이전에는 처리하기 어려웠던 이미지 및 비디오 신호를 작업에 사용할 수 있습니다.
맞춤형 확산 다중 개념 튜닝의 미래
다중 개념 개인화는 추론 시 많은 작은 개념 모듈이 혼합될 수 있는 LoRA와 같은 어댑터 생태계와 수렴됩니다. 미래 시스템은 속성 블리딩(고양이의 색상이 의자에 새는 현상) 없이 수십 개의 맞춤형 컨셉을 깔끔하게 구성하고, 최적화 없이 몇 초 만에 튜닝을 수행하거나 인코더만으로 튜닝을 수행하는 것을 목표로 합니다. 이는 브랜드 일관성이 있는 자산 생성, 개인 아바타 및 기기 내 맞춤화를 뒷받침할 것으로 기대됩니다.
실제 구현
몇 장의 사진을 통해 특정 애완동물 모델을 교육한 다음 새로운 포즈, 의상 및 설정으로 모델을 생성합니다.
브랜드 제품(운동화, 물병)과 브랜드 마스코트를 학습한 후 하나의 마케팅 이미지로 구성
개인 예술품과 가족 구성원의 초상을 포착하여 가상의 장면에 함께 배치
맞춤형 가구와 맞춤형 방 스타일을 결합하여 인테리어 디자인 컨셉을 모형화합니다.
위험 및 가드레일
출처가 불분명할 경우 이미지 권리 및 동의는 법적 위험이 될 수 있습니다.
모델 성능은 조명, 인구통계, 환경에 따라 달라질 수 있습니다.
신뢰도 임계값을 모니터링하지 않으면 거짓양성이 발견되지 않을 수 있습니다.
구현 로드맵
정밀도, 재현율, 오류 비용에 대한 허용 기준을 정의합니다.
실제 생산 조건과 일치하는 데이터로 테스트합니다.
신뢰도가 낮거나 영향력이 큰 예측에 대해 인적 검토를 추가합니다.
모델 드리프트를 추적하고 카메라 또는 데이터 세트가 변경된 후 재검증합니다.
계속 탐색하세요
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Custom Diffusion Multi-Concept Tuning quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
다음 가이드
로봇제어 확산정책
자주 묻는 질문
What is Custom Diffusion Multi-Concept Tuning?
Custom Diffusion은 단 몇 장의 사진을 통해 텍스트-이미지 모델에 개나 특정 의자와 같은 새로운 개인 개념을 가르치는 가벼운 미세 조정 방법입니다. 눈에 띄는 특징은 생성된 하나의 장면에서 새로 학습된 여러 개념을 함께 구성한다는 것입니다.
Custom Diffusion은 확산 모델의 어느 부분을 주로 미세 조정합니까?
단어를 모양에 연결하는 교차 어텐션 K 및 V 행렬만 업데이트하여 튜닝을 빠르게 유지하고 저장된 파일을 작게 유지합니다.
단일 개념 방법과 비교하여 Custom Diffusion이 가장 주목할만한 점은 무엇입니까?
그 시그니처 기능은 여러 개인화된 주제를 함께 결합하는 다중 개념 생성입니다.
Custom Diffusion이 개념을 학습하려면 대략 몇 개의 예제 이미지가 필요합니까?
소수의 이미지를 통해 학습하여 일상적인 사용자에게 실용적인 개인화 기능을 제공합니다.
Custom Diffusion이 개념의 더 넓은 범주에 있는 정규화 이미지 세트를 사용하는 이유는 무엇입니까?
정규화 이미지는 카테고리 단어의 일반적인 의미를 그대로 유지하므로 모델이 새로운 개념으로만 축소되지 않습니다.
별도로 훈련된 두 가지 Custom Diffusion 개념을 어떻게 함께 사용할 수 있습니까?
독립적으로 학습된 개념은 폐쇄형 제약 최적화를 통해 병합되어 공동 프롬프트를 활성화할 수 있습니다.