Diffusion Models专栏文章汇总：入门与实战
Adapter-X: A Novel General Parameter-Efficient Fine-Tuning Framework for Vision
本文提出了一种新的参数高效微调框架ADAPTER-X，旨在解决视觉模型在不同任务间平衡高效率与良好泛化能力的问题。随着基础模型规模的增长，参数高效微调（PEFT）变得尤为重要。ADAPTER-X通过引入Sharing Mixture of Adapters（SMoA）模块，实现了在不同块之间共享适配器，增加了可训练参数的数量，并通过动态分配策略优化了参数的使用效率。
ADAPTER-X的核心创新在于其SMoA模块，该模块允许不同块从共享的适配器库中递归选择最合适的适配器。这种设计不仅减少了参数数量，还实现了对每个块的动态参数分配和块间共享。此外，框架还包括
适配器泛化能力fine-tuning视觉模型高效率diffusion基础模型
