Controllable Generation & Image Editing: 解释定制化生成（DreamBooth / Textual Inversion / LoRA）。

Core Concept: DreamBooth 用少量图微调整个模型绑定新标识符；Textual Inversion 只学新 token 嵌入；LoRA 学低秩增量。

数学机理：<strong>三种定制化方法</strong>。(1) <strong>Textual Inversion（TI，Gal 等 2022）</strong>——<strong>只学习一个新 token 的嵌入</strong> v*（在文本编码器的词嵌入空间）；用 3~5 张参考图训练，使'v* 能代表该概念'；生成时在 prompt 中用 v* 即可。<strong>特点</strong>——(a) <strong>最轻量</strong>（只学一个向量）；(b) <strong>可组合</strong>（v* 可与其他词组合）；(c) <strong>表达力有限</strong>（一个向量难编码复杂概念）；(d) <strong>不改变模型</strong>（可插拔）。(2) <strong>DreamBooth（Ruiz 等 2022）</strong>——<strong>微调整个扩散模型</strong>；关键是<strong>绑定一个稀有 token</strong>（如 <code>[V]</code>，先用 rare-token 搜索找到在词表中出现很少的 token）：prompt 写成'a [V] dog'，让 <code>[V]</code> 学会代表'这只特定的狗'。<strong>特点</strong>——(a) <strong>保真度最好</strong>（微调全模型）；(b) <strong>风险：过拟合</strong>（少量图 + 全模型微调 → 容易'只会画这一张图的姿态'）；(c) <strong>风险：语言漂移</strong>（模型可能遗忘其他概念）。(3) <strong>LoRA（Low-Rank Adaptation）</strong>——学<strong>低秩增量</strong>（W+BA）；<strong>特点</strong>——(a) <strong>平衡</strong>（参数量少但表达力好）；(b) <strong>不易过拟合</strong>（低秩约束起正则作用）；(c) <strong>可插拔</strong>（可加载/卸载/组合）；(d) <strong>存储小</strong>（几 MB）；(e) <strong>成为当前主流</strong>。<strong>关键技巧（DreamBooth 的'先验保持损失'）</strong>——为缓解过拟合与语言漂移，DreamBooth 引入 <strong>prior preservation loss</strong>：在训练时<strong>同时</strong>让模型生成'类别的通用样本'（如'a dog'）并保持其能力；这防止模型把'狗'这个类别的概念也'改掉'。<strong>对比</strong>——(a) <strong>参数量</strong>：TI（1 个向量）< LoRA（低秩矩阵）< DreamBooth（全模型）；(b) <strong>保真度</strong>：DreamBooth ≈ LoRA > TI；(c) <strong>灵活性/可组合</strong>：TI ≈ LoRA > DreamBooth；(d) <strong>过拟合风险</strong>：DreamBooth > LoRA > TI；(e) <strong>训练成本</strong>：DreamBooth > LoRA > TI。<strong>选择依据</strong>——(a) <strong>只要一个简单概念（风格/色调）</strong> → TI；(b) <strong>需要高保真（特定人物/物体）</strong> → LoRA（首选）或 DreamBooth；(c) <strong>需要多概念组合</strong> → LoRA（可叠加）；(d) <strong>资源受限</strong> → LoRA/TI。<strong>其他方法</strong>——(a) <strong>Custom Diffusion</strong>（只微调交叉注意力的 K/V）；(b) <strong>Textual Inversion + LoRA 组合</strong>；(c) <strong>IP-Adapter</strong>（免训练，用参考图）；(d) <strong>T2I-Adapter</strong>。<strong>评估</strong>——(a) <strong>主体保真度</strong>（与参考图的相似度）；(b) <strong>提示遵循</strong>（能否按新 prompt 生成该主体）；(c) <strong>多样性</strong>（不同姿态/场景）；(d) <strong>语言保持</strong>（其他概念是否退化）。<strong>实践建议</strong>——(a) <strong>首选 LoRA</strong>（平衡最优）；(b) <strong>数据 5~20 张</strong>（多视角、多背景）；(c) <strong>用先验保持损失</strong>（防漂移）；(d) <strong>控制训练步数</strong>（防过拟合）。

深度剖析与工程权衡：① <strong>'LoRA 成为主流'</strong>——因为它平衡了保真度、参数量、过拟合风险与可插拔性；面试中能给出三者对比是深度理解的标志。② <strong>'稀有 token 的作用'</strong>——避免与已有词汇冲突（若用常见词，模型会把该词的含义'改掉'）；这是 DreamBooth 的关键技巧。③ <strong>'先验保持损失'解决语言漂移</strong>——它让模型在学新概念的同时'记住'类别概念；这是 DreamBooth 的重要贡献。④ <strong>'过拟合是定制化的核心风险'</strong>——少量图 + 全模型微调易过拟合（只会复制参考图的姿态）；故用 (a) 低秩（LoRA）、(b) 先验保持、(c) 早停。⑤ <strong>'可插拔性'的实用价值</strong>——LoRA/TI 可加载/卸载/组合（多概念叠加）；DreamBooth 不能（每次都要换模型）。⑥ <strong>面试要点</strong>——被问'怎么定制生成'，应给出'<strong>DreamBooth（全模型 + 稀有 token + 先验保持）/ TI（只学 token 嵌入）/ LoRA（低秩增量）</strong>'与'<strong>保真度/参数量/过拟合/可插拔的对比</strong>'；能指出'稀有 token 与先验保持'是深度理解的标志。