新的SACE框架增强了视觉自回归模型的安全性

研究人员推出了一种新颖的概念擦除框架SACE，用于视觉自回归（VAR）模型。该框架通过提出语义奇点公理来解决文本到图像生成中的安全问题，该公理确定了语义概念嵌入的精确尺度。SACE利用增量语义显著性分析来验证该公理，并采用熵正则化擦除目标以及保留损失，以确保在不损害模型完整性或引入视觉伪影的情况下擦除概念。实验表明，SACE能够以最少的训练有效地移除目标概念，并保留重要的良性先验。 AI

影响 通过实现精确的概念擦除，增强了文本到图像生成模型的安全性和可控性。

排序理由 该集群包含一篇详细介绍视觉自回归模型新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Entropy-Regularized Erasure Objective
• Gotit.pub
• Hugging Face
• Incremental Semantic Saliency Analysis
• SACE
• ScienceCast
• Semantic Singularity Axiom
• visual autoregressive models

• 论文
• 安全

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