@techreport{oai:ipsj.ixsq.nii.ac.jp:02004152,
 author = {金田,悠路 and 大江,優真 and ファム,フーロン and 加藤,誠 and 大島,裕明 and 藤田,澄男 and 莊司,慶行},
 issue = {11},
 month = {Sep},
 note = {本研究では，画風変換LoRAにおける内部パラメータに基づき，変換特徴を反映したLoRAモデルの埋め込み表現を獲得する手法を提案する．各LoRAモデルを，264レイヤからなるパラメータベクトルの集合として構成し，レイヤごとにパラメータをflat化および次元圧縮することで，1モデルを264個のベクトル列として表現する．この表現を入力として，重みを共有した三つのTransformer EncoderおよびMLP層からなるTriplet Networkにより距離学習を行う．Triplet Lossに基づき，あるLoRAに対してタグが類似するモデルを近くに，類似しないモデルを遠くに埋め込むよう訓練される．モデル構成に関するアブレーション評価，埋め込み表現と人間の類似性判断との一致度の検証，および検索タスクにおけるランキング性能の評価を通じて，本手法の有効性を確認した．},
 title = {画風変換LoRAの内部パラメータによるモデルの埋め込み表現の獲得},
 year = {2025}
}