textual inversion
发布时间：2022
目标：与DreamBooth一样，都是想要微调模型生成特定目标或风格的图像
方法：通过在vocabulary中添加一个额外的embedding来学习输入的新特征。预训练模型的所有参数都锁住，只有新的embedding被训练
DreamBooth与textual inversion区别
微调参数不同：前者微调所有参数，后者只训练新加的embedding 新token的添加方式：前者是在原有字典中找到一个罕见的word来学习新概念且利用了类别先验学习，而后者是在原有字典中添加了一个新的embedding从头训练。DreamBooth相当于改变那个罕见词汇的含义，textual inversion是添加新词汇 先验保留方式：DreamBooth通过先验保留损失来保证模型原来的认知不变（语言漂移），而由于textual inversion之前的vocabulary是锁住的，因此不会被改变也不需要添加相关损失 模型大小：DreamBooth更大，textual inversion更轻量 效果：textual inversion效果一般，现在也很少使用。个人认为可能是embedding缺少先验，难以训练，且参数较少微调能力不够T2I Adaptor
发表时间：与ControlNet同期，2023 目标：与ControlNet一样，对图像生成进行控制 方法：与ControlNet很相似，也是额外添加了一个小网络，然后将权重添加到Unet的encoder中（实验结果显示加在encoder中效果较好）。RB指残差模块 与ControlNet比较 权重添加位置不同，分别是Unet的encoder和decoder 额外的网络结构不同，ControlNet是copy了Unet的block，而T2I的外加网络结构与Unet无关 在实践中，ControlNet效果稍好
AdaLora
没有代码以及WebUI插件 基于Lora的改进：Lora中低秩分解的秩是人为指定的且是统一的，考虑到参数矩阵需要fine tune的秩可能是不一样的，提出自适应的秩，根据其重要性来进行秩的指定（参数分配）。在保证参数总数的情况下提升fine tune的性能 方法： 可以基于svd分解的特征值确定特征向量的重要性，但是svd分解非常耗时，实际操作中并不现实。于是使用三个矩阵模拟 U Σ V U \Sigma V UΣV，其参数是训练更新的，为了保证U和V的正交性，引入惩罚项 L = ∣ ∣ U T U − I ∣ ∣ + ∣ ∣ V T V − I ∣ ∣ L=||U^TU-I||+||V^TV-I|| L=∣∣UTU−I∣∣+∣∣VTV−I∣∣ 但是如果直接使用 Σ \Sigma Σ中特征值绝对值大小评判特征向量的重要程度在实验中效果并不好。于是作者将损失对参数的求导结果作为该特征向量的重要性分数，对分数排序，去除分数低的特征向量。（这里对分数做了历史平滑，也考虑前面step中的重要性） Lora中处理的是qkvo，本文处理的是qkv和feedforward中f1，f2，因为在消融实验中发现微调f1,f2也很重要比较 对Lora实现了参数动态分配，并将低质分解从attention层中扩展了feedforward层
LyCORIS：Lora的其他补充方式
WebUI可以使用，使用较多的是LoCon和LoHa
LoCon：Lora for convolution
将Lora扩展到卷积层。 方法： 在代码上只是将低了卷积的输出通道数 理论：将一个卷积核（一个通道）展开，可以看成是参数矩阵的一列。将所有卷积核按列排布可以得到类似于transformer中的参数矩阵，即卷积操作也是矩阵相乘。通过降低channel数再提高channel数实现降低参数量的目的LoHa：LoRA with Hadamard Product representation
对Lora的改进，将hadamard product应用到矩阵低秩分解中。
传统的低秩分解算法，需要保证分解后的秩的维度小于2R，而通过LoHa的进一步拆解，使得矩阵的秩扩展到
R
2
R^2
R2,解决了原生LoRA受到低秩的限制。