Study/Paper

요약기존의 personalization 방법은 test 시점에서의 finetuning, multiple input images의 요구, 낮은 identity preservation, 생성된 결과물의 제한된 다양성 문제가 있다. 이런 문제를 해결하기 위해 단일 face image에서 personalized image generation을 위한 diversity와 identity preservation을 향상시키는 tuning-free 접근 방식인 IDAdapter를 제안한다. IDAdapter는 text와 visual 주입 및 face identity loss의 결합을 통해 generation 과정에 personalized concept을 통합한다. 학습 단계에서는 특정 identity의 multiple ..

One-step Diffusion with Distribution Matching Distillation[Arxiv] One-step Diffusion with Distribution Matching DistillationDiffusion models generate high-quality images but require dozens of forward passes. We introduce Distribution Matching Distillation (DMD), a procedure to transform a diffusion model into a one-step image generator with minimal impact on image quality. We earxiv.org 요약이미지 품질..

Mamba: Linear-Time Sequence Modeling with Selective State Spaces[Arxiv] Mamba: Linear-Time Sequence Modeling with Selective State SpacesFoundation models, now powering most of the exciting applications in deep learning, are almost universally based on the Transformer architecture and its core attention module. Many subquadratic-time architectures such as linear attention, gated convolutionarxiv...

Jun 2014 Paper: Arxiv Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio 이미지 생성 GAN의 기본 논뭉 Generator와 Discriminator가 어떤 방식으로 학습하는지 이해하면 될듯 KL-divergence와 JSD에 대해서 이해하고 수식을 이해하면 논문을 이해하는데 도움이 될 것 같다. 1. Introduction 기존의 딥러닝은 다양한 parameter와 계층구조가 잘 설계된 모델을 사용해, 다양한 타입의 데이터의 분포를 표현하는데 의의가 있었다. 그 중에서도 classification, discrim..

https://arxiv.org/abs/2308.06721 IP-Adapter: Text Compatible Image Prompt Adapter for Text-to-Image Diffusion Models Recent years have witnessed the strong power of large text-to-image diffusion models for the impressive generative capability to create high-fidelity images. However, it is very tricky to generate desired images using only text prompt as it often involves arxiv.org 1. Introduction..