In-Context LoRA ist eine Feintuning-Technik für Diffusionstransformatoren (DiTs), die durch die Einbeziehung von Bildern neben Text ein task-spezifisches Feintuning ermöglicht, ohne die Task-Unabhängigkeit zu beeinträchtigen. Der Hauptvorteil dieser Technik liegt in der Möglichkeit, ein effektives Feintuning mit kleinen Datensätzen durchzuführen, ohne das ursprüngliche DiT-Modell zu verändern – lediglich die Trainingsdaten müssen angepasst werden. In-Context LoRA generiert hochauflösende Bildmengen, die den Anweisungen besser entsprechen, indem mehrere Bilder gemeinsam beschrieben und ein task-spezifisches LoRA-Feintuning angewendet wird. Diese Technik ist für das Gebiet der Bildgenerierung von großer Bedeutung, da sie ein leistungsstarkes Werkzeug bietet, um qualitativ hochwertige Bilder für spezifische Aufgaben zu generieren, ohne die Task-Unabhängigkeit zu opfern.