Tag · 11 篇
概念擦除
pH试纸式选择性遗忘：一种钝但快速的机器遗忘诊断基线
pH-Strips for Selective Forgetting: A Blunt but Fast Diagnostic Baseline for Machine Unlearning
提供了一种免训练、仅需少量样本即可快速擦除模型中特定概念（如分类中的类别、生成中的风格）的诊断基线，视觉研究者可将其作为评估新遗忘方法效率与效果的快速试金石，或直接用于扩散模型的概念擦除。
TINA：面向已遗忘文本到图像扩散模型的无文本反演攻击
TINA: Text-Free Inversion Attack for Unlearned Text-to-Image Diffusion Models
用无文本（null-text）DDIM 反演加优化来绕过以文本为中心的擦除防御，为评估扩散模型概念擦除是否真正移除视觉知识提供了一个可复用的探针手段；做 unlearning/safety 评测时可直接借用该 inversion 流程检验模型内部是否仍保留被擦除概念的生成通路。
扩散模型中原型引导的概念擦除
Prototype-Guided Concept Erasure in Diffusion Models
利用扩散模型文本嵌入空间的几何结构，通过聚类得到概念原型，并在推理时作为负条件信号，为概念擦除和负向引导提供了一种无需微调的通用手段，可直接迁移到其他需要抑制特定语义的生成控制场景。
文本到图像扩散模型中的邻域感知局部概念擦除
Neighbor-Aware Localized Concept Erasure in Text-to-Image Diffusion Models
提供一种免训练的三阶段概念擦除流程：频谱加权嵌入调制 + 注意力引导空间门控 + 空间门控硬擦除，可直接用于扩散模型的安全对齐与细粒度类别保真，避免擦除时误伤语义近邻概念。
MapRoute：通过语义路由实现精确概念擦除的映射器
MapRoute:Precise-Concept Erasing Mappers via Semantic Routing
在冻结的文本编码器之后插入轻量线性映射模块（Mappers），依据文本嵌入与目标概念嵌入的余弦相似度动态激活 top-K 模块，为扩散模型的概念擦除提供了一种免全模型微调、可插拔的干预手段，可直接复用于个性化生成中的敏感概念抑制与版权合规。
GrOCE：面向文本到图像扩散模型的图引导在线概念擦除
GrOCE : Graph-Guided Online Concept Erasure for Text-to-Image Diffusion Models
提供一种免训练、在提示词层面做概念擦除的推理时干预手段：用动态语义图定位目标概念簇并选择性切断其语义成分，可直接复用于扩散模型的内容安全过滤与个性化生成中的概念抑制，无需微调权重。
GenErase：扩散模型中可泛化且语义感知的概念擦除
GenErase: Generalizable and Semantically-Aware Concept Erasure in Diffusion Models
在交叉注意力 value 空间做显式 erase-and-replace 并配合 per-token preserve projector 与硬几何门控，是一种可直接复用的免训练概念抑制手段，可用于个性化生成中去除身份/风格/物体，同时保护无关语义不被扭曲。
擦除数千个概念：面向文本到图像扩散模型的可扩展且实用的概念擦除
Erasing Thousands of Concepts: Towards Scalable and Practical Concept Erasure for Text-to-Image Diffusion Models
提出基于t分布混合模型和最优传输的概念擦除框架，可精确定位并擦除文本嵌入中的目标概念，同时保持其他概念生成质量，为扩散模型的安全可控生成提供可扩展方案。
EMMA：具备全面语义指标与多样类别的概念擦除基准
EMMA: Concept Erasure Benchmark with Comprehensive Semantic Metrics and Diverse Categories
为概念擦除方法提供了一套覆盖隐式提示、视觉相似非目标概念以及性别/族裔偏见的评测协议，做 T2I 安全生成或模型编辑的研究者可直接用其 13 项指标检验方法是否真正从表征中移除概念，而非仅对直接提示失效。
基于双重投影的闭式概念擦除
Closed-Form Concept Erasure via Double Projections
提供一种无需训练、几秒内即可对预训练扩散/流匹配模型做权重级线性编辑的闭式投影工具，可直接用于概念擦除、风格去除等模型安全编辑场景，并可作为研究生成模型表征方向几何结构的探针。
超越文本提示：通过文本-图像协同实现精确概念擦除
Beyond Text Prompts: Precise Concept Erasure through Text-Image Collaboration
TICoE 用连续凸概念流形加分层视觉表征来定位并擦除目标概念，对做可控生成、个性化定制与生成内容安全的人提供了一个可复用的『文本-图像协同』擦除范式，其面向保真度的擦除后可用性评测协议也可直接用于评估编辑类方法是否误伤无关内容。