Tag · 2 篇
适配器融合
分布 图像编辑与可控生成1自监督与表征学习1
01 02
OrthoFuse：面向扩散模型的正交风格-概念适配器免训练黎曼融合
OrthoFuse: Training-free Riemannian Fusion of Orthogonal Style-Concept Adapters for Diffusion Models
对做个性化/风格化扩散生成的人，这提供了一条无需再训练就能把主体适配器与风格适配器合并的路径：利用 GS 正交矩阵所在流形的测地线近似做乘法式适配器融合，并配合谱恢复变换保住融合后的频谱特性，可直接插到现有 OFT/LoRA 式微调流程里。
DK-DDIL：面向医学影像动态领域增量学习的自适应知识保持
DK-DDIL: Adaptive Knowledge Retention for Dynamic Domain-Incremental Learning in Medical Imaging
面向医学影像的免回放领域增量学习框架：用动态秩选择+自适应正则化在域漂移下分配容量，再用选择性适配器融合与原型级对比精炼稳定跨域知识迁移，可直接迁移到视觉基础模型的持续适配场景。