两篇新的研究论文介绍了在自回归图像生成模型中擦除概念的方法，以解决滥用和创建不安全内容的担忧。第一篇论文Obliviate提出了一种针对这些模型的基于引导的方法，侧重于视觉令牌分布和轨迹级别更新。它在基准数据集上显著减少了裸露内容，同时保持了模型的整体效用。第二篇论文ScaleErasure提供了一种推理时干预方法，该方法针对特定logit来克服下一尺度自回归模型中的语义纠缠，在保持生成能力的同时提高了概念擦除的精度。 AI
影响 这些方法可以增强生成式AI的安全性和可控性，减少自回归图像生成中被滥用的可能性。
排序理由 两篇在arXiv上发表的学术论文，介绍了图像生成模型中概念擦除的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.28643v1 Announce Type: new Abstract: The widespread adoption of generative AI models has intensified concerns about misuse, including the creation of unsafe or disturbing imagery. To mitigate such issues, several concept erasure approaches have been proposed to remove …
arXiv:2606.29282v1 Announce Type: new Abstract: Concept erasure aims to prevent image generative models from producing unsafe content while preserving their general generative capability. Meanwhile, next-scale autoregressive (AR) image generation has recently emerged as a new gen…