Verständnis der LoRA-Rang-Kompromisse beim Diffusion-Model-Fine-Tuning

arXiv:2609.10656v1 Ankündigung: Neu. Zusammenfassung: Die Auswahl des LoRA-Rangs für Diffusion-Fine-Tuning erfordert eine Balance zwischen Qualität und Rechenlast. Wir präsentieren eine kontrollierte Studie auf CIFAR-10 mit einem DDPM U-Net mit Rängen {2,4,8,16,32}, festgelegten Optimierungseinstellungen und einem reproduzierbaren lokalen PyTorch-FID