提出DMU扩散模型遗忘方法
热点事件持续更新
提出DMU扩散模型遗忘方法
1 篇报道1 个报道来源16 小时前更新
先了解这件事
报道摘要
针对扩散模型遗忘学习中对象-风格组合概念难以擦除且多次请求易致灾难性遗忘的问题，研究者提出 Domain Manifold Unlearning（DMU），用从扩散中间特征提取的 EMA 更新特征代理表示保留目标对象方向，实现对象内特定域组件的选择性遗忘。实验显示 DMU 显著缓解灾难性遗忘，在批量遗忘与顺序遗忘上均优于现有 SOTA 方法。
摘自 arXiv：cs.AI
最新进展10月15日 12:00
DMU：通过域流形遗忘解耦扩散模型中的对象-风格组合概念擦除报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AIDMU：通过域流形遗忘解耦扩散模型中的对象-风格组合概念擦除
针对扩散模型遗忘学习中对象-风格组合概念难以擦除且多次请求易致灾难性遗忘的问题，研究者提出 Domain Manifold Unlearning（DMU），用从扩散中间特征提取的 EMA 更新特征代理表示保留目标对象方向，实现对象内特定域组件的选择性遗忘。实验显示 DMU 显著缓解灾难性遗忘，在批量遗忘与顺序遗忘上均优于现有 SOTA 方法。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。