PIU：基于距离引导的身份条件扩散模型身份遗忘
计算机视觉与模式识别
2026-05-22 v1
摘要
身份条件扩散模型能够生成高质量且身份一致的面部图像，但也引发严重的隐私问题，因为模型可能仍会合成被遗忘者的面部。虽然机器遗忘已广泛研究概念和数据删除，但身份遗忘在直接基于身份嵌入而非文本提示的模型中仍属未充分探索的领域。本文聚焦于Arc2Face中针对身份遗忘的研究，引入基于距离引导的身份遗忘（PIU），这是一种锚定身份遗忘框架。具体而言，我们将身份删除建模为身份替换目标，将源身份在学习的身份空间中重新分配给选定的锚定身份，并通过ArcFace表示几何学中的锚点选择策略进行补充。我们进一步表明，通过对小部分身份敏感的跨注意力层进行局部微调即可实现有效的遗忘。在众多目标身份的实验中显示，我们的框架有效抑制了目标身份的生成，同时保持了保留身份的真实性和身份一致性，经由在遗忘和图像质量指标上的性能提升，以及定性评估予以验证。PIU框架的源代码已公开于https://github.com/edgarcancinoe/piu_unlearning
引用
@article{arxiv.2605.22311,
title = {PIU: Proximity-guided Identity Unlearning in ID-Conditioned Diffusion Models},
author = {Jose Edgar Hernandez Cancino Estrada and Mauro Díaz Lupone and Žiga Emeršič and Vitomir Štruc and Peter Peer and Darian Tomašević},
journal= {arXiv preprint arXiv:2605.22311},
year = {2026}
}