Meta-Diff：少样本扩散的任务空间迁移方法

Jinjian Jiang 等作者提出 Meta-Diff，一种少样本扩散模型适配方法：把源域与目标域分布嵌入共享的低维任务空间，学习配对训练任务之间的仿射迁移映射，再借助共享扩散主干从迁移后的源坐标生成。 作者称，部署时只需源样本和已学的关系标识，无需目标图像，也无需在目标端做优化。目前该工作以 arXiv 预印本形式发布，尚未见经同行评审验证的效果报告。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。