Aug, 2024
SeLoRA: 医学图像合成的自扩展低秩适应潜在扩散模型
SeLoRA: Self-Expanding Low-Rank Adaptation of Latent Diffusion Model for
Medical Image Synthesis
TL;DR本研究解决了医学图像合成中的数据标注稀缺和缺失模态合成问题，提出了自扩展低秩适应模块（SeLoRA），该模块动态调整不同层的低秩排名，从而提高医学图像合成的质量。研究表明，通过在关键层上增加排名，SeLoRA能够有效优化潜在扩散模型的图像合成质量，具有重要的实际应用价值。