مدلهای مولد تصویر گاهی به طور ناخواسته مفاهیم یا محتوای نامناسبی را از دادههای آموزشی جذب میکنند که چالش بزرگی برای امنیت و اخلاق در هوش مصنوعی است. محققان به تازگی فریمورک نوآورانهای به نام Uni-AdaVD معرفی کردهاند که بدون نیاز به تغییر در وزنهای اصلی مدل، به راحتی میتواند مفاهیم ناخواسته را حذف کند.
ویژگیهای کلیدی این تکنیک:
✅ سازگاری بالا با انواع مدلهای U-Net، DiT، مدلهای خودبازگشتی و حتی ویدیوئی!
✅ حفظ کیفیت سایر بخشهای تصویر و خروجیهای مطلوب.
✅ کارایی بسیار بالا در زمان استنتاج بدون نیاز به آموزش مجدد مدل.
این ابزار میتواند گامی مهم برای ایمنسازی کاربرد هوش مصنوعی در محیطهای عمومی باشد. برای بررسی بیشتر یا تست این پروژه میتوانید به گیتهاب آنها سر بزنید.
منبع: arXiv Computer Vision