通过分割学习增强ControlNet和稳定扩散的隐私

本研究针对在分布式设备上训练ControlNet模型时用户数据隐私保护的挑战，提出了一种新的分布式学习结构，消除了服务器需要回传梯度的需求。研究表明，与传统的联邦学习和分割学习相比，我们的算法大幅提高了分布式训练的效率，同时确保了用户隐私保护而不影响生成图像的质量。