Une Hypernetwork est une technique de fine-tuning des modèles de génération d'images IA consistant à entraîner un petit réseau de neurones additionnel qui modifie le comportement d'un modèle de base plus grand sans modifier directement les poids du modèle de base. Elle permet d'enseigner aux modèles de nouveaux styles, sujets ou caractéristiques esthétiques avec un coût computationnel et un stockage moindres que le fine-tuning complet du modèle.

Les hypernetworks apprennent des transformations appliquées aux activations intermédiaires du modèle de base pendant la génération, orientant sa sortie vers les caractéristiques souhaitées sans modifier les millions de paramètres du modèle de base. Cette approche permet de créer plusieurs hypernetworks pour différents styles ou sujets et de les activer ou désactiver selon les besoins, offrant une bibliothèque de modifications applicables à un seul modèle de base. La technique a été populaire dans la communauté Stable Diffusion pour des adaptations de style et des modifications spécifiques à des artistes.

Bien que des techniques plus récentes comme LoRA soient devenues plus répandues pour leur efficacité et leur efficacité, les hypernetworks restent une approche viable pour certains types de personnalisation. Comprendre les différentes techniques de fine-tuning disponibles aide les créateurs à choisir l'approche adaptée à leurs besoins selon le type d'adaptation requis et les ressources disponibles.