arXiv cs.CV· Muhammad Atif Butt, Pawe{\l} Skier\'s, Joost Van De Weijer, Kamil Deja·· 9 小时前AI 评分24
超越线性表征假设：KANSteer 用非线性激活引导文本到图像模型
Beyond the Linear Representation Hypothesis: Non-Linear Activation Steering in Text-to-Image Models
AI 导读
针对文本到图像模型中概念激活轨迹偏离直线的问题，研究者提出 KANSteer，用 Kolmogorov-Arnold Networks（KANs）将概念遍历建模为穿过中间状态的曲线，使引导方向随概念变化并保持可解释性。在多个概念和文本到图像扩散 Transformer 上，KANSteer 比线性引导更贴合激活轨迹，对中间属性的遍历也更平滑。
来源：arXiv cs.CV · arxiv.org