用少样本反学习从文本到图像扩散模型中消除概念
原文中文,约400字,阅读约需1分钟。发表于: 。通过更新文本编码器使用少量真实图像,我们提出了一种新颖的概念擦除方法,可以在 10 秒内擦除概念,实现了比当前方法快数十到数百倍的概念擦除,隐含地过渡到相关概念,实现更自然的概念擦除。
通过个性化数据集对扩散模型进行微调是一种被认可的方法,可以提高生成质量。提出了一种新方法,通过额外的分类器或检测器模型将概念的几何信息编码到文本域中,以消除隐含概念。实验结果表明,该方法能够识别和消除隐含概念,相比现有方法有显著改进。