机构名称：
¥ 1.0
摘要大型文本到图像扩散模型的快速扩展引起了人们对创造有害或误导性内容的潜在滥用的越来越关注。在本文中，我们介绍了Mace，这是大规模概念擦除任务的填充框架。此任务旨在预言模型，以生成在提示时体现不需要概念的图像。现有的概念擦除通常仅限于同时处理少于五个概念，并难以在擦除概念同义词（一般性）和保持不相关的概念（特定性）之间找到平衡。相比之下，MACE通过成功缩放擦除范围的范围最高100个概念并实现一般性和特异性之间的有效平衡而有所不同。这是通过利用封闭形式的跨意义改进以及洛拉芬特的，共同消除了不良概念的信息。此外，MACE将多个洛拉斯与相互干扰相结合。我们对跨四个不同任务的先前方法进行了广泛的评估：对象擦除，名人擦除，明确的内容擦除和艺术风格的擦除。我们的结果表明，在所有评估任务中，MACE SER都通过了先前的方法。代码可在https://github.com/shilin-lu/mace上使用。
mace：扩散模型中的质量概念擦除-dr -ntu
主要关键词
相关文件推荐
