CTRLorALTer: Conditional LoRAdapter for Efficient 0-Shot Control & Altering of T2I Models

要約

テキストから画像への生成モデルは、高解像度のリアルな画像の生成に優れた、著名かつ強力なツールとなっています。
ただし、スタイルおよび/または構造情報を反映する詳細な条件付け形式を考慮するために、これらのモデルの生成プロセスをガイドすることは未解決の問題のままです。
この論文では、ゼロショット制御を可能にする新しい条件付き LoRA ブロックを使用して、同じ定式化の下でスタイルと構造の両方の条件付けを統合するアプローチである LoRAdapter を紹介します。
LoRAdapter は、テキストから画像への拡散モデルを調整するための効率的かつ強力な、アーキテクチャに依存しないアプローチであり、生成中にきめ細かい制御調整を可能にし、最近の最先端のアプローチを上回るパフォーマンスを発揮します。

要約(オリジナル)

Text-to-image generative models have become a prominent and powerful tool that excels at generating high-resolution realistic images. However, guiding the generative process of these models to consider detailed forms of conditioning reflecting style and/or structure information remains an open problem. In this paper, we present LoRAdapter, an approach that unifies both style and structure conditioning under the same formulation using a novel conditional LoRA block that enables zero-shot control. LoRAdapter is an efficient, powerful, and architecture-agnostic approach to condition text-to-image diffusion models, which enables fine-grained control conditioning during generation and outperforms recent state-of-the-art approaches

arxiv情報

提供元, 利用サービス

arxiv.jp, Google