concept-ablation

concept-ablation

预训练文生图模型概念消除技术

Concept Ablation 项目开发了一种从预训练文本到图像扩散模型中移除特定概念的方法。通过将目标概念的图像分布匹配到锚概念分布,如将'Grumpy Cat'匹配到'Cat',实现了高效的概念消除。该技术可以去除版权材料、记忆图像等,同时保留相关概念,无需重新训练模型。在特定对象实例、艺术风格和记忆图像等多种任务中表现优异。

Concept Ablation文本到图像模型版权材料移除艺术风格图像生成Github开源项目

概念消融

网站 | 论文

[新消息!] Huggingface 演示 链接

https://github.com/nupurkmr9/concept-ablation/assets/9297728/fb29bc97-a2a9-497a-bb8e-9ffb02986401

我们的方法可以从预训练的Stable Diffusion模型中消融(移除)版权材料和记忆的图像。在这里,我们将目标概念分布改变为锚概念,例如,将梵高绘画改为普通绘画,或将不爽猫改为普通猫。

文本到图像扩散模型中的概念消融 <br> Nupur Kumari张炳亮王圣宇Eli ShechtmanRichard Zhang朱俊彦<br> CMU、清华、Adobe <br> ICCV, 2023

简介

大规模文本到图像扩散模型能够生成高保真度的图像,具有强大的组合能力。然而,这些模型通常在海量互联网数据上训练,其中往往包含版权材料、授权图像和个人照片。此外,它们还被发现会复制各种在世艺术家的风格或记忆确切的训练样本。我们如何在不从头重新训练模型的情况下移除这些受版权保护的概念或图像呢?

我们提出了一种在预训练模型中高效消融概念的方法,即防止生成目标概念。我们的算法学习将给定目标风格、实例或我们希望消融的文本提示的图像分布与对应锚概念的分布相匹配,例如,将不爽猫匹配到普通猫。

结果

我们的方法在各种概念消融任务上表现良好,包括特定对象实例、艺术风格和记忆的图像。我们可以成功地消融目标概念,同时最小程度地影响应该保留的密切相关的周边概念(例如,在消融不爽猫时保留其他猫品种)。我们所有的结果都基于stable-diffusion-v1-4模型。

有关更多生成结果和比较,请参阅我们的网页

风格消融

我们消融不同的目标艺术风格概念,转而生成普通绘画。

<p align="center"> <img src='https://yellow-cdn.veclightyear.com/835a84d5/e8b4e36a-7b9a-4f61-b427-cbef4cddca16.jpg' align="center" width=800> </p>

实例消融

我们消融各种实例,并用一般类别锚概念覆盖它们。

<p align="center"> <img src='https://yellow-cdn.veclightyear.com/835a84d5/dd0603b5-95eb-4a17-8d0b-ddf014a7c93f.jpg' align="center" width=800> </p>

记忆图像消融

我们的方法可以消融记忆的训练图像,转而生成变体。

<p align="center"> <img src='https://yellow-cdn.veclightyear.com/835a84d5/013f3ef1-ed46-40e3-bba8-8be6d65d2dae.jpg' align="center" width=800> </p>

方法详情

<div> <p align="center"> <img src='https://yellow-cdn.veclightyear.com/835a84d5/c6059b5a-da6f-402a-adde-dc2c3ceb9092.jpg' align="center" width=400> </p> </div>

给定要消融的目标概念不爽猫和锚概念,我们微调模型,使其对目标概念提示一只可爱的小不爽猫的预测与提示为一只可爱的小猫时相同。

入门指南

Diffusers: 请参考这里使用基于diffusers的stable-diffusion模型消融概念。

CompVis: 请参考这里使用基于CompVis的stable-diffusion模型消融概念。

注意:论文中的所有结果均使用基于CompVis的实现获得。

引用

如果您在研究中使用了此代码,请引用我们的论文。

@inproceedings{kumari2023conceptablation, author = {Kumari, Nupur and Zhang, Bingliang and Wang, Sheng-Yu and Shechtman, Eli and Zhang, Richard and Zhu, Jun-Yan}, title = {Ablating Concepts in Text-to-Image Diffusion Models}, booktitle = ICCV, year = {2023}, }

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多