SurrogateSHAP：面向文本到图像模型的无训练数据贡献归因
机器学习
2026-02-02 v1 计算机视觉与模式识别
摘要
随着文本到图像（T2I）扩散模型在实际创意工作流程中的应用日益增多，建立一种原则性的框架来衡量提供数据集合中各贡献者的价值，对于公平补偿和可持续的数据市场至关重要。虽然Shapley值提供了一种以理论上严谨的方式进行归因的方法，但面临两个计算瓶颈：（i）由于需要对每个抽样子集（即数据贡献者）进行大量模型再训练，计算成本不可接受；（ii）由于贡献者之间存在相互作用，需估计的子集数量为组合数。为此，我们提出SurrogateSHAP，一个无需再训练的框架，通过从预训练模型进行推理来逼近昂贵的再训练博弈。为进一步提高效率，我们采用梯度提升树来逼近效用函数，并从基于树的模型中解析推导出Shapley值。我们在三个多样化的归因任务上评估SurrogateSHAP：（i）在CIFAR-20上对DDPM-CFG进行图像质量评估；（ii）在Post-Impressionist艺术品上对Stable Diffusion进行审美评估；（iii）在Fashion-Product数据上对FLUX.1进行产品多样性评估。在所有设置下，SurrogateSHAP在降低计算开销方面显著优于先前方法，始终能够在多个效用指标下识别出具有影响力的贡献者。最后，我们展示SurrogateSHAP能够有效定位导致临床图像中伪相关的数据来源，为审计安全关键的生成模型提供可扩展的路径。
引用
@article{arxiv.2601.22276,
title = {SurrogateSHAP: Training-Free Contributor Attribution for Text-to-Image (T2I) Models},
author = {Mingyu Lu and Soham Gadgil and Chris Lin and Chanwoo Kim and Su-In Lee},
journal= {arXiv preprint arXiv:2601.22276},
year = {2026}
}