AIGC動態(tài)歡迎閱讀

原標(biāo)題：ECCV 2024 | 機(jī)器遺忘之后，擴(kuò)散模型真正安全了嗎？
關(guān)鍵字：模型,文本,機(jī)器,圖片,內(nèi)容
文章來源：機(jī)器之心
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

AIxiv專欄是機(jī)器之心發(fā)布學(xué)術(shù)、技術(shù)內(nèi)容的欄目。過去數(shù)年，機(jī)器之心AIxiv專欄接收報道了2000多篇內(nèi)容，覆蓋全球各大高校與企業(yè)的頂級實驗室，有效促進(jìn)了學(xué)術(shù)交流與傳播。如果您有優(yōu)秀的工作想要分享，歡迎投稿或者聯(lián)系報道。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com本文第一作者為密歇根州立大學(xué)計算機(jī)系博士生張益萌，賈景晗，兩人均為OPTML實驗室成員，指導(dǎo)教師為劉思佳助理教授。OPtimization and Trustworthy Machine Learning (OPTML) 實驗室的研究興趣涵蓋機(jī)器學(xué)習(xí)/深度學(xué)習(xí)、優(yōu)化、計算機(jī)視覺、安全、信號處理和數(shù)據(jù)科學(xué)領(lǐng)域，重點是開發(fā)學(xué)習(xí)算法和理論，以及魯棒且可解釋的人工智能。
在人工智能領(lǐng)域，圖像生成技術(shù)一直是一個備受關(guān)注的話題。近年來，擴(kuò)散模型（Diffusion Model）在生成逼真且復(fù)雜的圖像方面取得了令人矚目的進(jìn)展。然而，技術(shù)的發(fā)展也引發(fā)了潛在的安全隱患，比如生成有害內(nèi)容和數(shù)據(jù)版權(quán)。這不僅可能對用戶造成困擾，還可能涉及法律和倫理問題。
盡管目前已有不少機(jī)器遺忘

原文鏈接：ECCV 2024 | 機(jī)器遺忘之后，擴(kuò)散模型真正安全了嗎？

聯(lián)系作者

文章來源：機(jī)器之心
作者微信：
作者簡介：