:)

기존 디퓨전 모델과 그 한계Diffusion 모델 : 역방향 SDE (Stochastic Differential Equation) 기반으로 노이즈에서 이미지를 복원하는 과정을 통해 새로운 이미지를 생성함. (먼저 이미지에 노이즈를 점점 추가해서 완전히 망가뜨림 → 그 다음 이 망가진 걸 거꾸로 되돌리는 방법을 학습함)이때 reverse 과정은 노이즈에서 점진적으로 denoise해야 하므로 수많은 time step이 필요함.이 경로는 곡선처럼 휘어 있어서 역으로 학습할 때 누적 오차가 큼.논문의 핵심 목표더 빠르고 효율적인 이미지 생성 모델.고해상도 이미지도 잘 만들 수 있도록.기존 diffusion 모델보다 더 단순한 구조로 높은 성능.Rectified Flow일반적인 Diffusion 모델은 ‘노이즈 ..

0. AbstractAnimateDiff 개요개인화된 T2I 모델에 동적인 움직임을 추가하는 방법모션 모듈은 별도의 모델 재학습 없이 적용 가능 & MotionLoRA를 활용해 특정 모션 패턴에 적응 가능.핵심 기술모션 모듈 → 비디오 데이터에서 학습한 모션 패턴을 T2I 모델에 적용MotionLoRA → 경령화된 fine-tuning 기법으로 새로운 모션 패턴에 적응 가능1. Introduction배경기존의 Stable Diffusion, DreamBooth, LoRA 등의 기법 덕분에 사용자들은 자신만의 T2I 모델을 쉽게 커스터마이징 가능.소규모 데이터셋으로도 고품질 이미지 생성 가능.문제점: 기존 T2I 모델은 정적 이미지만 생성 가능 → 애니메이션화하는 어려움모델별 개별 튜닝이 필요 → 연산 비..