C-LoRA：解决文本到图像扩散模型中的“灾难性遗忘”问题

以下是新闻内容的核心要点： - 文本到图像扩散模型在定制化时面临“灾难性遗忘”的问题，导致过去概念的图像生成质量较差。 - 研究人员提出了 C-LoRA 方法，通过持续自我正则化低秩适应来克服这个问题，在持续扩散方面优于基线，并为图像分类中的无需排练的持续学习设定了新的最新性能水平。 - 这种方法有助于解决文本到图像扩散模型在处理大量数据和多个概念时的问题，有望在计算机视觉和自然语言处理领域得到广泛应用。 以上是新闻内容的概述。