Domain Manifold Unlearning

新的DMU方法增强了扩散模型中的概念擦除能力

研究人员开发了一种名为领域流形反学习（DMU）的新方法，以解决从扩散模型中移除特定概念（如非法内容或受版权保护的风格）的挑战。现有方法在对象-风格的组合反学习方面存在困难，并且在进行多次移除请求时经常会导致灾难性遗忘。DMU利用中间扩散特征中的EMA更新特征代理，选择性地反学习对象的领域特定组件，同时保留其他语义表示，在多种反学习场景中表现出更强的鲁棒性，并优于当前最先进的方法。