Ada-adapter：基于预训练图像编码器的扩散模型快速少样本风格人格化
计算机视觉与模式识别
2024-07-09 v1
摘要
为获得高质量图像风格化通常需要大量训练数据和大量计算资源，这限制了其实际应用性。我们提出Ada-adapter，一种用于扩散模型少样本风格人格化的新型框架。Ada-adapter利用即插即用的扩散模型和预训练图像特征编码器，从有限的源图像集合中学习紧凑的风格表示。我们的方法 enables 使用单个参考图像实现高效的零样本风格迁移。此外，在少量源图像（仅需3至5个）和几分钟的微调时间内，我们的方法可捕捉复杂的风格细节和概念特征，生成与提供的文本提示高度吻合的高保真风格化图像。我们在包括平面艺术、3D渲染和标志设计等多种艺术风格上Demonstrated了方法的有效性。我们的实验结果表明，Ada-adapter 在输出质量、样子性和训练效率方面均优于现有的零样本和少样本风格化方法。
引用
@article{arxiv.2407.05552,
title = {Ada-adapter:Fast Few-shot Style Personlization of Diffusion Model with Pre-trained Image Encoder},
author = {Jia Liu and Changlin Li and Qirui Sun and Jiahui Ming and Chen Fang and Jue Wang and Bing Zeng and Shuaicheng Liu},
journal= {arXiv preprint arXiv:2407.05552},
year = {2024}
}
备注
16 pages, 11 figures