Tag · 3 篇
文本到图像扩散模型
分布 鲁棒性与安全2图像编辑与可控生成1
01 02 03
当低秩适配背叛你：伪装成良性适配器的文本到图像模型后门攻击
When LoRA Betrays: Backdooring Text-to-Image Models by Masquerading as Benign Adapters
揭示了以 LoRA 适配器为载体的模型共享生态中的后门注入路径：攻击者只需冻结基座、仅训练低秩权重即可植入「触发词→目标图像」的跨模态隐藏映射，这为视觉社区设计 LoRA 权重审计、触发器检测与安全加载协议提供了明确的威胁模型与评测设定。
面向文本到图像扩散模型的人类不可感知后门攻击
Towards Human-Imperceptible Backdoor Attacks on Text-to-Image Diffusion Models
对做扩散模型安全与数据投毒的研究者，这篇给出了首个干净标签后门设定：图像端注入近不可感知噪声、文本端用同义替换加句法重排构造复合语义触发器，可在不破坏图文对齐的前提下植入后门并绕过商用内容过滤器，为评估生成模型供应链安全提供了新的威胁模型与防御测试基准。
Match-and-Fuse：从无序图像集合进行一致性生成
Match-and-Fuse: Consistent Generation from Unstructured Image Sets
把无序图像集合建模为图、在成对生成时按稠密对应关系融合内部特征，这一免训练思路可直接迁移到多视图一致编辑、集合级个性化生成与视频帧间一致性约束，无需掩码或人工监督。