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
海边夕阳200621 分钟前
【每天一个AI小知识】:什么是扩散模型?
人工智能·经验分享·深度学习·机器学习·扩散模型
这张生成的图像能检测吗22 分钟前
(论文速读)卷积层谱范数的紧凑高效上界
人工智能·深度学习·计算机视觉·卷积层谱范数
Katecat9966330 分钟前
卡簧目标检测基于改进YOLO11-C3k2-Star模型的实现
人工智能·目标检测·计算机视觉
CoovallyAIHub1 小时前
复杂工业场景如何实现3D实例与部件一体化分割?多视角贝叶斯融合的分层图像引导框架
深度学习·算法·计算机视觉
雍凉明月夜2 小时前
视觉opencv学习笔记Ⅴ-数据增强(2)
人工智能·python·opencv·计算机视觉
棒棒的皮皮2 小时前
【OpenCV】Python图像处理几何变换之缩放
图像处理·python·opencv·计算机视觉
roman_日积跬步-终至千里2 小时前
【计算机视觉(9)】运动恢复结构:从图像到三维点云的完整流程
人工智能·数码相机·计算机视觉
roman_日积跬步-终至千里2 小时前
【计算机视觉(12)】神经网络与反向传播基础篇:从线性分类器到多层感知机
人工智能·神经网络·计算机视觉
怎么全是重名2 小时前
Stacked U-Nets: A No-Frills Approach to Natural Image Segmentation
深度学习·神经网络·计算机视觉·语义分割
roman_日积跬步-终至千里2 小时前
【计算机视觉(11)】损失函数与优化基础篇:如何训练线性分类器
机器学习·支持向量机·计算机视觉