中文

EquiSteer：通过交叉注意力引导实现更公平的文本引导图像生成

计算机视觉与模式识别 2026-07-01 v1
作者: Tatiana Gaintseva , Akshit Achara , Gregory Slabaugh , Jiankang Deng , Ismail Elezi
在 arXiv 上查看 ↗ PDF ↗

摘要

文本到图像扩散模型驱动着日常创意任务，但它们仍然会重现训练数据中的人口统计偏见。对于诸如“a photo of a nurse”、“a photo of a CEO”之类的常见提示，它们会因训练数据的统计特征而非文本中的任何内容，将输出偏向某一性别。现有的去偏方法在狭窄环境下显示出潜力，但需要重新训练、批量级控制或特定于提示的调整，限制了其可扩展性。我们提出了 EquiSteer，一种无需训练的方法，通过在推理时引导交叉注意力（CA）激活来逐样本工作。对于每个目标属性，EquiSteer 从对比提示中预计算引导向量。然后在生成时，一个提示感知门控使特定属性的提示保持不变，而对于中性提示，它从 CA 激活中清除现有的属性信号并注入目标属性。在 SD-1.5、SD-2.1、SDXL 和 SANA 上，EquiSteer 将平均差异差距减少了高达 87%，而对图像质量和文本-图像对齐的影响极小。代码可在 https://github.com/Atmyre/EquiSteer 获取。

关键词

文本到图像生成 公平性 交叉注意力引导 扩散模型 去偏 无需训练

引用

@article{arxiv.2607.01147,
  title  = {EquiSteer: Cross-Attention Steering Towards a Fairer Text-Guided Image Generation},
  author = {Tatiana Gaintseva and Akshit Achara and Gregory Slabaugh and Jiankang Deng and Ismail Elezi},
  journal= {arXiv preprint arXiv:2607.01147},
  year   = {2026}
}