扩散模型成员推理难度校准方法发布

Michael Joseph 与 Yedid Hoshen 提出一种参考模型校准与时间自校准方法，旨在解决扩散模型成员推理中图像难度对记忆检测的干扰。 该方法通过比较微调模型与早期检查点的损失，或利用单一模型在不同扩散时间步的轨迹，有效分离记忆效应与固有难度。 实验表明，新方法与现有基线相比性能显著提升，并能泛化至不同参数化的扩散模型，相关代码已开源。

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。