DomainGallery：基于属性中心微调的少样本领域驱动图像生成
计算机视觉与模式识别
2024-11-08 v1
摘要
近期在大规模数据集上预训练的文本到图像模型的进展使我们能够生成各种图像，只要我们提供描述所需内容的文本提示。然而，当我们期望生成属于特定领域的图像——这些领域难以描述或模型尚未见过时——这些模型的可用性仍然有限。在这项工作中，我们提出了 DomainGallery，一种少样本领域驱动图像生成方法，旨在以属性为中心的方式在少样本目标数据集上微调预训练的 Stable Diffusion。具体而言，DomainGallery 具备先验属性擦除、属性解耦、正则化和增强等特性。这些技术专为少样本领域驱动生成而设计，旨在解决先前工作未能解决的关键问题。大量实验验证了 DomainGallery 在多种领域驱动生成场景中的优越性能。代码可在 https://github.com/Ldhlwh/DomainGallery 获取。
引用
@article{arxiv.2411.04571,
title = {DomainGallery: Few-shot Domain-driven Image Generation by Attribute-centric Finetuning},
author = {Yuxuan Duan and Yan Hong and Bo Zhang and Jun Lan and Huijia Zhu and Weiqiang Wang and Jianfu Zhang and Li Niu and Liqing Zhang},
journal= {arXiv preprint arXiv:2411.04571},
year = {2024}
}
备注
NeurIPS 2024