劃重點:
? 清華大學與阿里合作推出概念半透膜模型，能夠精準、可控地擦除各類具象或抽象概念。
? 該模型已被 CVPR2024會議高分錄用，具有在 Diffusion 架構的 AI 作圖模型中擦除特定概念的能力。
? 模型通過一維 Adapter 和微調策略實現概念擦除，同時保留其他生成內容，并可動態適配擦除信號。
（ChinaZ.com）3月13日 消息:清華大學與阿里安全聯合發布了概念半透膜模型（SPM），這一模型能夠在 Diffusion 架構的 AI 作圖模型中，精準、可控地擦除各類具象或抽象概念。
該模型的推出解決了傳統 AI 作圖模型存在的生成涉黃、侵權等危險概念的問題，實現了對特定概念的精確擦除。
概念半透膜模型通過一維 Adapter 和微調策略實現概念擦除，同時保留其他生成內容。Adapter 作為一種「半透薄膜」插入到預訓練的 Diffusion Model（DM）中，學習特定概念的可遷移識別及擦除，同時保持模型完整性。通過微調策略 Latent Anchoring，模型獲得對特定概念的擦除半滲透性，有效地擦除目標概念并保留其他概念。模型在推理過程中通過 Facilitated Transport 機制動態適配擦除信號，控制擦除效果，保證生成內容的準確性和完整性。
概念半透膜模型的實驗效果表明，在單概念或多概念擦除時，模型能夠穩定且徹底地擦除目標概念，同時對其他概念幾乎沒有影響。與其他方法相比，該模型具有更高的精確性和可控性，為 AI 作圖模型的應用帶來新的可能性。
這一研究成果有望在 AI 內生安全領域、可控生成等方面發揮重要作用，推動 AI 技術產品向著可用、可靠、可信、可控的方向發展。
SPM特色功能亮點總結如下:
概念消除功能 :使用一維適配器 Semi-Permeable Membrane（SPM），能夠精確刪除目標概念而保留非目標概念，實現通用、可定制和模型可轉移的擦除解決方案。
代際交替侵蝕解決 **:通過引入 Latent Anchoring 策略，在微調過程中有效減輕了參數漂移，避免了概念的交替和侵蝕現象。
遷移能力 :SPM 能夠在不重新調優的情況下，從一個專門的模型遷移到另一個，展現了其良好的擦除和保留能力。
藝術風格消除 :SPM 可以擦除特定的藝術風格而保留其他風格，避免了以往在擦除和保留之間的明顯折衷。
明確內容消除 :在處理涉及裸露內容的情況下，SPM 能夠有效消除明確內容，并展現了在不同情境下的擦除能力。
項目入口:https://top.aibase.com/tool/spm
論文網址:https://arxiv.org/abs/2312.16145
