Talk|香港科技大学刘智立:Geom-Erasing - 图像生成模型中的隐式概念删除

本期为TechBeat人工智能社区 569 线上Talk。

北京时间2月1日(周 四)20:00, 香港科技大学博士生 --- 刘智立的Talk已准时在TechBeat人工智能社区开播!

他与大家分享的主题是: " Geom-Erasing - 图像生成模型中的隐式概念删除 ",系统地介绍了他的团队提出的基于几何位置信息的概念去除算法Geom-Erasing,以及Geom-Erasing如何有效地抑制隐含概念的产生等相关工作所做的研究。

Talk·信息

主题:Geom-Erasing-图像生成模型中的隐式概念删除

嘉宾:香港科技大学博士生 刘智立

时间:北京时间2 月1日(周四)20:00

地点:TechBeat人工智能社区

点击下方链接,即可观看视频!

TechBeatTechBeat是荟聚全球华人AI精英的成长社区,每周上新来自顶尖大厂、明星创业公司、国际顶级高校相关专业在读博士的最新研究工作。我们希望为AI人才打造更专业的服务和体验,加速并陪伴其成长。https://www.techbeat.net/talk-info?id=847

Talk·介绍

文本到图像 (T2I) 扩散模型经常会无意中生成不需要的概念,例如水印和有害的图片。这些概念我们称为"隐式概念",是扩散模型在预训练期间无意中学到,然后在推理过程中无法控制地产生。这些类似概念模型的一个个bug,用现有的概念删除方法难以消除。

对此,我们提出Geom-Erasing,一种基于几何位置信息的概念去除算法。此外,我们创建了隐式概念数据集(ICD),包含三种典型的隐式概念(即 QR 码、水印和文本),这些概念很容易在现实生活中被注入。 Geom-Erasing 能有效地抑制隐含概念的产生。

Talk大纲

1、背景 - 图像生成模型水印和安全问题

2、现有方案不足 - 基于re-training和概念删除的方法

3、解决方案 - Geom-erasing算法:隐士概念定位 + 位置编码 + 损失函数改进

4、实验结果 - 2种setting下,Geom-Erasing生成干净安全图片

5、总结

Talk·预习资料

论文链接:https://arxiv.org/abs/2310.05873

Talk·提问交流

在Talk界面下的**【交流区】**参与互动!留下你的打call🤟和问题🙋,和更多小伙伴们共同讨论,被讲者直接翻牌解答!

你的每一次贡献,我们都会给予你相应的i豆积分,还会有惊喜奖励哦!

Talk·嘉宾介绍

刘智立

香港科技大学·博士生

刘智立目前是香港科技大学计算机系博四的学生,导师是James Kwok教授。博士期间主要的研究方向是自监督算法、多专家模型、扩散模型。 在多个会议发表过多篇论文, 包括ICLR,CVPR,ICCV,AAAI等,曾在MSRA,华为诺亚方舟实验室等实习。

个人主页: https://www.techbeat.net/grzytrkj?id=37287


关于TechBeat人工智能社区

TechBeat(www.techbeat.net)隶属于将门创投,是一个荟聚全球华人AI精英的成长社区。

我们希望为AI人才打造更专业的服务和体验,加速并陪伴其学习成长。

期待这里可以成为你学习AI前沿知识的高地,分享自己最新工作的沃土,在AI进阶之路上的升级打怪的根据地!

更多详细介绍>>TechBeat,一个荟聚全球华人AI精英的学习成长社区

相关推荐
CoovallyAIHub2 天前
语音AI Agent编排框架!Pipecat斩获10K+ Star,60+集成开箱即用,亚秒级对话延迟接近真人反应速度!
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
Moonshine:比 Whisper 快 100 倍的端侧语音识别神器,Star 6.6K!
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
速度暴涨10倍、成本暴降6倍!Mercury 2用扩散取代自回归,重新定义LLM推理速度
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
OpenClaw一脚踩碎传统CV?机器终于不再只是看世界
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
仅凭单目相机实现3D锥桶定位?UNet-RKNet破解自动驾驶锥桶检测难题
深度学习·算法·计算机视觉
CoovallyAIHub8 天前
仿生学突破:SILD模型如何让无人机在电力线迷宫中发现“隐形威胁”
深度学习·算法·计算机视觉
CoovallyAIHub8 天前
从春晚机器人到零样本革命:YOLO26-Pose姿态估计实战指南
深度学习·算法·计算机视觉
CoovallyAIHub8 天前
Le-DETR:省80%预训练数据,这个实时检测Transformer刷新SOTA|Georgia Tech & 北交大
深度学习·算法·计算机视觉
CoovallyAIHub8 天前
强化学习凭什么比监督学习更聪明?RL的“聪明”并非来自算法,而是因为它学会了“挑食”
深度学习·算法·计算机视觉
CoovallyAIHub8 天前
YOLO-IOD深度解析:打破实时增量目标检测的三重知识冲突
深度学习·算法·计算机视觉