ICLR 2025｜在 Flux 等先进文生图架构中的概念擦除

本文链接：https://blog.csdn.net/QingKeLab/article/details/148188922

https://mp.weixin.qq.com/s/6HxykO__5HlP3DBefBFiMg

从大规模文本到图像（T2I）扩散模型中移除不需要的概念，同时保持其整体生成质量，仍然是一个尚未解决的挑战。这个问题在一些新兴范式中尤为突出，例如 Stable Diffusion（SD）v3 和 Flux，它们采用了流匹配（flow matching）和基于 Transformer 的架构。这些新技术限制了原先为旧版 T2I 范式（如 SD v1.4）设计的概念擦除技术的适用性。

EraseAnything 是首个专为最新基于流的 T2I 框架设计的概念擦除方法。它将概念擦除建模为一个双层优化问题，利用基于 LoRA 的参数微调，并引入注意力图正则项以有选择地抑制不需要的激活。目前已被 ICLR 2025 接收。

论文名称：EraseAnything: Enabling Concept Erasure in Rectified Flow Transformers
论文链接：https://arxiv.org/abs/2412.20413
论文代码：https://github.com/tomguluson92/eraseanything

此外，EraseAnything还提出了一种自对比学习策略，以确保在移除不良概念的同时，不会意外损害模型对无关概念的表现。

实验结果表明，EraseAnything 成功弥补了此前方法在新 T2I 范式中的空白，在多个概念擦除任务中实现了当前最优性能（state-of-the-art）。

5月26日晚8点，青稞Talk 第51期，青稞社区联合创始人高岱恒, 将分享ICLR 2025最新成果《EraseAnything:在 Flux 等先进文生图架构的概念擦除方法》

主题提纲：

EraseAnything:在 Flux 等先进文生图架构的概念擦除方法

1、什么是 AIGC 的概念擦除
2、概念擦除的难点和特点
3、生成模型从 SD 迭代到 Flux 后，概念擦除失效
4、EraseAnything 的做法和效果展现

直播时间

5月26日20:00 - 21:00