Newest papers

Continual Concept Personalization in Diffusion Models via Residual-Space Adaptation

Yuzhi Liu, Enis Simsar, Giulia Lanzillotta, Thomas Hofmann · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28567 · open-access PDF

Japanese

テキスト対画像のパーソナライゼーションは、既存の方法は、いくつかの参照画像からユーザー特有のコンセプトを学習する能力を持つプレトレーニングディファッションモデルを装備することを目的としています。しかし、既存の方法は、通常、各コンセプトを独立してトレーニングするか、すべてのコンセプトが同時に利用可能であると仮定します。実用的なアプリケーションでは、コンセプトはしばしば順序的に到着し、モデルが新しいトピック、オブジェクト、またはスタイルを継続的に学習することを必要とし、以前取得したコンセプトとの干渉を最小限に抑えています。我々は、この継続的なコンセプトのパーソナライゼーション設定をストーカスティック

Machine translation (Meta M2M100); the English original follows.

Abstract

Text-to-image personalization aims to equip pretrained diffusion models with the ability to learn user-specific concepts from only a few reference images. Existing methods, however, typically train each concept independently or assume that all concepts are available simultaneously. In practical applications, concepts often arrive sequentially, requiring models to continually learn new subjects, objects, or styles while minimizing interference with previously acquired concepts. We address this continual concept personalization setting by extending residual-space adaptation to the stochastic ada

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange