يُظهر HoLo-FuSe أن ركيزة بايت HoLo Semantic Layer (HSL) المتجمدة وذات الصفر معلمة يمكنها بشكل فعال تكييف نموذج الانتشار لتوليد الصور. يختبر المشروع ما إذا كان إطار الميزات الحتمي ذو 27 بُعدًا هذا يمكن أن يعمل كآلية تكييف لـ DDPM المشروط بالفئة، مستبدلاً التضمينات المتعلمة التقليدية.
- تم التدريب على Colab T4 واحد مع ~35 مليون معلمة U-Net عبر 16k خطوة بدقة 128 بكسل.
- يستخدم مجموعة بيانات وجوه الحيوانات AFHQ (قط/كلب) مع توجيه بدون مصنف وجدول جيب التمام.
- تظهر النتائج النوعية المطابقة بالبذرة أن تكييف HSL يؤدي أداءً مماثلًا للتحكم بالتضمين المتعلم المطابق بالميزانية.
- يُعزى صبغة لون الخلفية المرصودة في جميع الأذرع إلى التدريب غير الكافي وليس الركيزة.
يعتبر المؤلفون هذا دليلاً على التشغيل، ويثبتون أن الركيزة المتجمدة يمكنها توجيه توليد الفئة بنفس جودة الضوابط المتعلمة، مع تركيز العمل المستقبلي على تحسين الجودة من خلال تدريب أطول.