Sony团队提出扩散模型训练数据归因方法MUCS

Joan Serrà、Dipam Goswami、Fabio Morreale、Wei-Hsiang Liao 和 Yuki Mitsufuji 在 arXiv 论文（2605.17938v2）中提出 MUCS，一种扩散模型训练数据归因（TDA）方法。 方法思路是：用有界镜像梯度上升微调出第二个模型，再在一致噪声样本上度量该模型相对原模型的归一化偏度，以此做归因。 论文作者称，MUCS 概念简单且通用，在三个不同数据集上大幅优于现有方法；以上为论文摘要声称的结果，材料未说明作者所属单位。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。