研究者提出DMU扩散模型概念擦除方法
热点事件持续更新
研究者提出DMU扩散模型概念擦除方法
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
研究者 Yang Xiao 等人提出 Domain Manifold Unlearning（DMU），用于扩散模型的概念擦除。该方法利用从扩散中间特征提取的 EMA 更新特征代理，表示待保留的目标对象方向，从而对特定对象中的域专属组件进行选择性遗忘。 研究者称，现有遗忘方法只能处理对象级或风格级擦除，无法应对对象-风格组合遗忘，且多请求下会出现灾难性遗忘。实验显示，DMU 在批量遗忘与顺序遗忘上均优于现有 SOTA 方法，并显著缓解灾难性遗忘。
AI 根据报道生成 · 58 分钟前更新
最新进展10月15日 12:00
DMU：通过域流形遗忘实现扩散模型的对象-风格组合概念擦除报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AIDMU：通过域流形遗忘实现扩散模型的对象-风格组合概念擦除
针对扩散模型现有遗忘方法仅能处理对象级或风格级擦除、无法应对对象-风格组合遗忘及多请求下灾难性遗忘的问题，研究者提出域流形遗忘（DMU），利用从扩散中间特征提取的 EMA 更新特征代理表示待保留目标对象方向，实现对特定对象中域专属组件的选择性遗忘。实验显示 DMU 显著缓解灾难性遗忘，在批量遗忘与顺序遗忘上均优于现有 SOTA 方法。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。