详细内容或原文请订阅后点击阅览
在生成ai
如果您想将自己置于流行的图像或视频生成工具中 - 但是您已经足够出名，无法以基础模型识别您 - 您需要使用自己的照片集来训练低级改编（Lora）模型。创建后，这种个性化的Lora模型允许生成模型[…]生成AI中为零击的斗争首先出现在Unite.ai上。
来源:Unite.AI如果您想将自己置于流行的图像或视频生成工具中 - 但是您已经足够出名，无法以基础模型识别您 - 您需要使用自己的照片集来训练低级改编（Lora）模型。创建后，这种个性化的LORA模型允许生成模型将您的身份包括在将来的输出中。
低级适应这通常在图像和视频综合研究领域中称为自定义。它首先在2022年夏天稳定扩散出现后的几个月后出现，Google Research的Dreambooth项目提供了高贵的定制模型，该模型在封闭的式架构中很快被爱好者改编并释放给社区。
自定义 DreamboothLora型号迅速遵循，并提供了更轻松的训练，并且以最低或无需质量的成本提供了更轻松的文件尺寸，迅速在稳定扩散及其后继产品的自定义场景中占主导地位，后来的型号（如Flux）以及现在的新生成视频模型（如Hunyuan Video和Wan 2.1）。
flux Hunyuan视频 WAN 2.1冲洗和重复
正如我们之前指出的那样，每当新模型出现时，它都需要培训新一代的洛拉斯，这代表了洛拉 - 生产者的摩擦，他们可能会训练一系列自定义模型，以发现模型更新或流行的新型模型意味着他们需要重新开始。
正如我们在因此，零射击定制方法最近已成为文献中的强大链。在这种情况下，您只需提供一个或多个主题的照片即可注入生成，而不是需要策划数据集并训练自己的子模型，而是将这些输入源解释为混合输出。
下面我们看到，除了面对面，这种类型的系统（此处使用Pulid）还可以将ID值纳入样式传输：
Pulid 使用PULID系统的面部ID转移示例。 和流行