跳到正文
arXiv · 机器人与计算机视觉· Hyeonjin Kim, Hangyeol Jung, Heechan Yun, Sungjun Yun, Dong-Jun Han·· 27 天前AI 评分65

Disentangled Sparse Representations for Concept-Separated Diffusion Unlearning

Disentangled Sparse Representations for Concept-Separated Diffusion Unlearning

AI 导读

针对文本到图像扩散模型的去学习任务,现有稀疏自编码器(SAE)方法因未显式强制概念分离而导致语义相关概念共享潜在特征。本文提出 SAEParate,利用交叉注意力引导的空间聚合强调概念相关区域,并通过非线性变换增强编码器的表达能力以在潜在空间明确分离重叠概念。实验表明该方法在 UnlearnCanvas 基准上达到最先进性能,尤其在联合风格与物体去学习这一易受干扰的场景中表现显著。

来源:arXiv · 机器人与计算机视觉 · arxiv.org