ACE：无性能退化的扩散模型概念编辑
计算机视觉与模式识别
2025-03-12 v1
摘要
基于扩散的文本到图像模型在生成逼真图像方面展现出了卓越的能力，但它们也引发了社会和伦理方面的担忧，例如不安全内容的生成。虽然概念编辑被提出以解决这些问题，但它们往往难以在消除不安全概念与保持模型总体生成能力之间取得平衡。在本工作中，我们提出了 ACE，一种增强扩散模型中概念编辑的新方法。ACE 引入了一种新颖的交叉零空间投影方法，以在精确擦除不安全概念的同时，保持模型生成高质量、语义一致图像的能力。大量实验表明，ACE 显著优于先进的基线方法，在仅需 1% 时间成本的情况下，平均将语义一致性提高了 24.56%，图像生成质量提高了 34.82%。这些结果突显了概念编辑的实用性，通过减轻其潜在风险，为该领域更广泛的应用铺平了道路。代码可在 https://github.com/littlelittlenine/ACE-zero.git 获取
引用
@article{arxiv.2503.08116,
title = {ACE: Concept Editing in Diffusion Models without Performance Degradation},
author = {Ruipeng Wang and Junfeng Fang and Jiaqi Li and Hao Chen and Jie Shi and Kun Wang and Xiang Wang},
journal= {arXiv preprint arXiv:2503.08116},
year = {2025}
}