English(EN) IDDM: Identity-Decoupled Personalized Diffusion Models with a Tunable Privacy-Utility Trade-off

新的IDDM防御措施减少了个性化图像生成中的身份可链接性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-09 04:00

研究人员开发了一种名为身份解耦的个性化扩散模型（IDDM）的新防御机制，以解决个性化文本到图像生成中的隐私问题。IDDM旨在减少生成图像与真实用户之间的可链接性，同时仍允许授权的个性化。该模型通过交替优化过程实现这一点，该过程将身份信息与生成流程分开，从而提供隐私和效用之间的可调权衡。 AI

影响为个性化扩散模型引入了一种新颖的防御机制，平衡了隐私与生成质量。

排序理由该集群包含一篇学术论文，详细介绍了一种新的AI模型防御方法。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Linyan Dai, Xinwei Zhang, Haoyang Li, Qingqing Ye, Haibo Hu · 2026-06-09 04:00

IDDM：具有可调隐私-效用权衡的身份解耦个性化扩散模型

arXiv:2604.00903v2 Announce Type: replace Abstract: Personalized text-to-image diffusion models (e.g., DreamBooth, LoRA) enable users to synthesize high-fidelity avatars from a few reference photos for social expression. However, once these generations are shared on social media …