ACE：抗编辑概念消除技术
计算机视觉与模式识别
2025-01-06 v1
摘要
文本到图像扩散模型的最新进展显著促进了高质量图像的生成，但也引发了关于非法创建有害内容（如侵犯版权的图像）的担忧。现有的概念消除方法在防止被消除概念从提示中生成方面表现优异，但通常在防止意外编辑方面表现不佳。为此，我们提出了一种抗编辑概念消除（ACE）方法，该方法不仅在生成期间消除目标概念，还在编辑期间过滤掉目标概念。具体而言，我们提出将消除指导注入条件和无条件噪声预测中，使模型能够有效防止在编辑和生成期间创建被消除的概念。此外，引入训练期间的随机纠正指导，以解决与无关概念相关的消退问题。我们使用代表性编辑方法（即 LEDITS++ 和 MasaCtrl）进行消除编辑实验，以消除知识产权角色，结果表明我们的 ACE 在两种类型的编辑中有效过滤目标概念。对消除显性概念和艺术风格的额外实验进一步表明我们的 ACE 在与当前方法方面表现优异。我们的代码将在 https://github.com/120L020904/ACE 上公开。
引用
@article{arxiv.2501.01633,
title = {ACE: Anti-Editing Concept Erasure in Text-to-Image Models},
author = {Zihao Wang and Yuxiang Wei and Fan Li and Renjing Pei and Hang Xu and Wangmeng Zuo},
journal= {arXiv preprint arXiv:2501.01633},
year = {2025}
}
备注
25 pages, code available at https://github.com/120L020904/ACE