X-Adapter ist ein universelles Upgrade-Tool, das die Verwendung vorab trainierter Plug-in-Module (z. B. ControlNet, LoRA) mit aktualisierten Text-zu-Bild-Diffusionsmodellen (z. B. SD-XL) ermöglicht, ohne dass ein erneutes Training erforderlich ist. Durch das Trainieren eines zusätzlichen Netzwerks zur Steuerung des eingefrorenen Upgrade-Modells behält X-Adapter die Konnektoren des alten Modells bei und fügt trainierbare Mapping-Layer hinzu, um die Decoder verschiedener Modellversionen für eine Feature-Remapping zu verbinden. Die remappten Features dienen als Guidance für das Upgrade-Modell. Um die Guidance-Fähigkeit von X-Adapter zu verbessern, verwenden wir eine Nulltext-Trainingsstrategie. Nach dem Training führen wir außerdem eine zweistufige Entrauschungsstrategie ein, um die initialen latenten Variablen von X-Adapter und dem Upgrade-Modell anzupassen. X-Adapter zeigt eine universelle Kompatibilität mit verschiedenen Plug-ins und ermöglicht die gemeinsame Verwendung von Plug-ins verschiedener Versionen, wodurch die Funktionalität der Diffusions-Community erweitert wird. Umfangreiche Experimente zeigen, dass X-Adapter in aktualisierten Basis-Diffusionsmodellen eine breitere Anwendung finden könnte.