dskjal
deeplearning カテゴリの記事一覧を表示しています。
広告
広告

蒸留技術まとめ

カテゴリ：deeplearning

続きを読む

動画生成 AI に関するメモ

カテゴリ：deeplearning

目次

続きを読む

LLM を使ったストーリー作成

カテゴリ：deeplearning

LLM を使ったストーリー作成が一発でうまくいく事はない。なので、ストーリー作成の各工程ごとにアイデア出しの補助をさせることでストーリーを作成する。

AI のべりすとは日本語が使えるが性能は高くない。無料で公開されているローカル実行できる LLM を英語で使ったり、Chat GPT を使う方が効率がいい。AI のべりすとの強みはアダルト文章を日本語で出力できることだ。

モデルについてはおすすめの日本語対応ローカル大規模言語モデルを参照。

目次

続きを読む

LoRA の学習方法

カテゴリ：deeplearning

続きを読む

Qwen Image Layered を ComfyUI で動かす

カテゴリ：deeplearning

Qwen/Qwen-Image-Layered

Qwen Image Layered は画像１枚とプロンプトを入力すると、複数枚の透過画像を出力するモデルだ。

学習画像は主にポスターで、文字・画像・背景・小物を分離するのが得意だ。Live2D 用に人体のパーツを分解することはできない。

続きを読む

T2I 拡散モデルの設計メモ

カテゴリ：deeplearning

目次

続きを読む

Windows で Radeon を使って ComfyUI や Automatic1111WebUI を動かす

カテゴリ：deeplearning

続きを読む

Wan 2.1 の論文メモ

カテゴリ：deeplearning

続きを読む

Diffusion-DPO（Diffusion-Direct Preference Optimization）の学習方法

カテゴリ：deeplearning

Diffusion-DPO Diffusion Model Alignment Using Direct Preference Optimization は SD3 でも使われた強化学習手法。SD3 ではランク 128 の LoRA として作成している。

ただし、画風や新しい概念の学習のような一般的なタスクは SFT（教師ありファインチューニング）が適している。「○○がうまく描けない」というニーズは○○が言語化できているので SFT を使うべき。SFT はデータセットを用意しやすいし学習負荷も低い。

Diffusion-DPO を使うケース

  • 言語化が困難だが描いてほしくないもの（暴力的・性的表現）がある
  • ユーザーの選好データを持っている
  • 細部の表現の崩れを改善したい

SFT（教師ありファインチューニング）と Diffusion-DPO との違い

続きを読む