一种基于U-Net参数增强的扩散模型优化方法及系统

本发明公开了一种基于U‑Net参数增强的扩散模型优化方法及系统，涉及扩散模型优化技术领域。该方法包括步骤：获取图像和文本对构成的数据集；构建扩散模型，在扩散模型中引入可学习掩码用于从U‑Net结构中采样权重；获取当前计算资源，根据计算资源选择微调策略，其中微调策略包括基于训练的微调策略和基于奖励模型的微调策略；利用数据集对扩散模型进行预训练，预训练过程中基于选择的微调策略对可学习掩码进行优化，完成对扩散模型的优化。本发明通过避免更新U‑Net参数来保持预训练模型的泛化能力。