arXiv · cs.LG· Joan Serr\`a, Dipam Goswami, Fabio Morreale, Wei-Hsiang Liao, Yuki Mitsufuji·· 4 小时前
扩散模型训练数据归因新方法 MUCS：镜像遗忘与噪声一致偏斜
Training data attribution in diffusion models via mirrored unlearning and noise-consistent skew
AI 导读
研究者提出 MUCS（镜像遗忘与噪声一致偏斜），通过有界镜像梯度上升微调第二个模型，并用一致噪声样本测量其相对原模型的归一化偏斜，实现扩散模型的训练数据归因。该方法在三个数据集上系统性大幅超越现有方法，论文已被 NeurIPS26 接收。研究还分析了核心设计选择的影响，以及生成项之间影响实例重叠和 TDA 方法集成的新问题。
来源：arXiv · cs.LG · arxiv.org