Continual Diffusion

C-LoRA 增强文本到图像扩散模型以实现持续自定义，使您可以顺序学习细粒度概念，而不会忘记先前的概念。该方法引入持续的自正则化低秩自适应，无需存储用户数据即可进行重播。

主要功能

• 持续学习： C-LoRA 允许持续自定义文本到图像扩散模型，方法是顺序学习新概念，而不会忘记过去的概念。
• 低秩自适应： 该方法在交叉注意模块中使用持续、自调节的低秩权重自适应来更新模型参数。
• 随机特征初始化： C-LoRA 将自定义标记初始化为随机特征，并从提示中删除概念名称，从而增强了模型的灵活性。

用例

• 移动应用：移动应用顺序学习新的自定义概念，允许用户在之后生成以前学过的概念的照片。
• 细粒度自定义：C-LoRA 支持文本到图像模型的细粒度自定义，使其适用于注重具体细节的应用程序。
• 概念学习和生成：该方法可用于向模型教授新概念并根据这些概念生成图像。

结论

C-LoRA 方法使文本到图像扩散模型能够持续自定义，并通过顺序学习新概念来克服灾难性遗忘问题。C-LoRA 展示了最先进的结果，使其成为包括图像分类中的持续学习和文本到图像生成中的持续自定义在内的广泛应用的前景解决方案。