扩散模型组合概念擦除：DMU 通过域流形遗忘解耦物体与风格

Compositional Concepts Erasing: Disentangling Object-Style via Domain Manifold Unlearning

AI 导读

针对扩散模型难以擦除"物体-风格"组合概念且多次遗忘请求易致灾难性遗忘的问题，研究者提出域流形遗忘（DMU），利用从扩散中间特征提取的 EMA 更新特征代理表示待保留的目标物体方向，实现对特定物体中域相关组件的选择性遗忘，同时保留其他语义表示。实验显示 DMU 显著缓解灾难性遗忘，在批量遗忘与顺序遗忘上均优于现有 SOTA 方法。

正文 · AI 翻译

查看 PDF HTML（实验性）

摘要：扩散模型在生成非法内容和侵犯版权方面存在重大风险。这推动了机器遗忘的发展，旨在从模型的生成能力中抹除有害概念或受版权保护的风格，同时不损害其整体性能。然而，以往针对扩散模型的遗忘方法大多集中于对象级或风格级的移除，未能解决对象-风格组合遗忘的难题。同时，多个遗忘请求往往导致灾难性遗忘。为应对这些挑战，我们提出了域流形遗忘（DMU），它使用从中间扩散特征中提取的 EMA 更新特征代理来表示保留的目标对象方向。作为对象的轻量级估计表示，DMU 能够选择性地遗忘特定对象中域特定的组件，同时保留其他语义表示，从而显著增强多组合遗忘场景下的鲁棒性。大量实验表明，DMU 显著缓解了灾难性遗忘，优于最先进的批量遗忘和顺序遗忘方法。

评论：	14 页
主题：	计算机视觉与模式识别（cs.CV）；人工智能（cs.AI）
引用为：	arXiv:2610.14514 [cs.CV]
	（或 arXiv:2610.14514v1 [cs.CV] 用于此版本）
	https://doi.org/10.48550/arXiv.2610.14514 arXiv 颁发的 DOI 通过 DataCite（待注册）

提交历史

来自：Yang Xiao [查看邮箱]
[v1] 2026年10月10日星期六 03:22:31 UTC（23,478 KB）

来源：arXiv cs.AI · arxiv.org