- 文章标题：VICO : PLUG-AND-PLAY VISUAL CONDITION FOR PERSONALIZED TEXT-TO-IMAGE GENERATION
- 文章地址：https://arxiv.org/abs/2306.00971
- arxiv
有一个地方存在疑问。那个CI是怎么来的？
文章提出了ViCo，一个全新的轻量化的即插即用的方法，用于无缝地将视觉条件加入到定制化文生图中。其特点跟lora很像（感觉就跟lora一样），不需要微调原来的参数，提供了高灵活和高扩展性。具体来说，ViCo使用了一个图像注意力模块，将图像的语义信息融合进了扩散过程，并且使用了基于注意力的掩码（不需额外计算）。
- 数据：参考图像训练
- 指标：DINO；CLIP；训练/推理时间
- 硬件：未提及
- 开源：https://github.com/haoosz/ViCo