实体
MM-DiTs
MM-DiTs
PulseAugur coverage of MM-DiTs — every cluster mentioning MM-DiTs across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的 FairFlow 框架解决了文本到图像 AI 中的刻板印象偏见
研究人员开发了 FairFlow，一个旨在解决文本到图像扩散模型（特别是多模态扩散 Transformer (MM-DiTs)）中刻板印象偏见的新框架。该研究确定了这些模型中充当“语义中心”并从文本提示传播偏见到视觉输出的特定层。FairFlow 在推理过程中干预这些确定的中心，注入学习到的“公平方向”来中和与性别、种族和交叉性相关的偏见，而不会显著影响生成质量或推理速度。
-
AnchorDiff 通过减少视觉泄露来改进 AI 概念锚定
研究人员推出了 AnchorDiff，一种新颖的免训练方法，旨在改进多模态扩散 Transformer (MM-DiTs) 中的概念锚定。该方法解决了“概念泄露”问题，即视觉注意力错误地溢出到非目标对象上，尤其是在概念视觉相似时。AnchorDiff 首先识别高置信度锚点，然后使用混合图传播技术来精炼定位并防止跨对象干扰。AnchorDiff 的有效性通过在标准数据集和新的多概念混淆数据集上的实验得到证明，显示概念泄露显著减少。