跳到正文
arXiv · 机器人与计算机视觉· Artyom Mazur, Nina Konovalova, Aibek Alanov·· 22 天前精选AI 评分78

DifFRACT:面向 FLUX.1 等模型的扩散特征重构与归因分析

DifFRACT: Diffusion Feature Reconstruction and Attribution for Circuit Tracing

AI 导读

针对现有方法难以揭示多模态扩散模型中去噪步骤的语义传播及文本图像交互问题,该研究提出 DifFRACT 框架,通过训练时步条件转码器近似 MLP 子层行为并构建紧凑归因图。实验表明该方法在稀疏性与忠实度权衡上表现优异,成功复现了从提示驱动到图像驱动的转换过程,并为系统性生成错误提供了可干预的解释。

推荐理由

该工作将基于转码器的电路追踪扩展至多模态扩散模型,通过构建可解释特征图揭示了去噪步骤中的语义传播机制与属性绑定候选机理。

来源:arXiv · 机器人与计算机视觉 · arxiv.org