跳到正文
arXiv · ML· Nikhil Verma, Siddharthan Dileep, Anoop Singh, Srikanth Sastry, Ramya Hebbalaguppe, Sayan Ranu, N. M. Anoop Krishnan·· 2026-10-09AI 评分35

扩散模型中通过盆地几何与循环去噪揭示的早期记忆化信号

Early Signatures of Memorization in Diffusion Models via Basin Geometry and Cyclic Denoising

AI 导读

扩散模型在生成近复制样本前,其记忆化特征已编码于学习能量景观的几何结构中。 研究提出“潜在记忆化”概念,发现局部盆地在首个记忆样本出现前即形成,且其出现遵循与记忆化时间相同的 O(n) 缩放规律。 该方法在 CelebA 和 CIFAR-10 等数据集上有效识别记忆化,扩展至 Stable Diffusion v1.4 时,循环条件-无条件散度间隙在 1% 假正率下实现 0.866 的真正率。

来源:arXiv · ML · arxiv.org