论文阅读:Detecting, Explaining, and Mitigating Memorization in Diffusion Models

这篇论文探讨了扩散模型在训练过程中可能出现的记忆现象,即模型能够记住训练数据中的某些特定输入。研究发现,通过改变训练数据或文本提示可以减轻这种记忆效应。提出了检测模型记忆的标准,并给出了训练和推断阶段缓解记忆的方法。实验结果表明,这些方法能有效区分模型生成的图像是否基于记忆。
摘要由CSDN通过智能技术生成

一、论文信息

论文名称:Detecting, Explaining, and Mitigating Memorization in Diffusion Models

作者团队:

会议:Accepted by ICLR 2024 (Oral) 

论文链接:https://openreview.net/pdf?id=84n3UwkH7b

二、扩散模型的记忆现象 

三、研究背景 

  • Training Dat

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值