新的PARSE框架增强了扩散模型中的概念擦除

研究人员开发了一个名为PARSE（Preservation-aware Adaptive Ranked Subspace Expansion，保留感知自适应排序子空间扩展）的新型无训练框架，旨在改进文本到图像扩散模型中的概念擦除。现有方法常常在有效擦除不希望出现的概念（如NSFW内容）与保留模型对良性概念的效用之间进行权衡。PARSE通过动态识别模型词汇表中诱导目标和附近保留的概念，编辑交叉注意力值空间以移除目标方向，同时保持保留方向不变来解决这个问题。该框架还迭代搜索重新出现触发器，并自适应地扩展擦除的子空间，以确保鲁棒性而不损害效用，这通过新的平衡擦除效用分数（BEUS）进行衡量。 AI

影响 提高了对生成模型的控制能力，可能带来更安全、更可定制的AI图像生成。

排序理由 该集群包含一篇详细介绍扩散模型中概念擦除新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Beussent
• Fréchet inception distance
• Hugging Face

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →