Buchumschlag

Pruning for Robust Concept Erasing in Diffusion Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Tianyun, Cao, Juan, Xu, Chang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Model Synthesis for Zero-Shot Model Attribution
von: Yang, Tianyun, et al.
Veröffentlicht: (2023)

When Are Concepts Erased From Diffusion Models?
von: Lu, Kevin, et al.
Veröffentlicht: (2025)

Erasing Undesirable Concepts in Diffusion Models with Adversarial Preservation
von: Bui, Anh, et al.
Veröffentlicht: (2024)

Side Effects of Erasing Concepts from Diffusion Models
von: Saha, Shaswati, et al.
Veröffentlicht: (2025)

STEREO: A Two-Stage Framework for Adversarially Robust Concept Erasing from Text-to-Image Diffusion Models
von: Srivatsan, Koushik, et al.
Veröffentlicht: (2024)

Prompt Sliders for Fine-Grained Control, Editing and Erasing of Concepts in Diffusion Models
von: Sridhar, Deepak, et al.
Veröffentlicht: (2024)

PROBE: Diagnosing Residual Concept Capacity in Erased Text-to-Video Diffusion Models
von: Xie, Yiwei, et al.
Veröffentlicht: (2026)

T2VUnlearning: A Concept Erasing Method for Text-to-Video Diffusion Models
von: Ye, Xiaoyu, et al.
Veröffentlicht: (2025)

Receler: Reliable Concept Erasing of Text-to-Image Diffusion Models via Lightweight Erasers
von: Huang, Chi-Pin, et al.
Veröffentlicht: (2023)

Erased, But Not Forgotten: Erased Rectified Flow Transformers Still Remain Unsafe Under Concept Attack
von: Jiang, Nanxiang, et al.
Veröffentlicht: (2025)

SAEmnesia: Erasing Concepts in Diffusion Models with Supervised Sparse Autoencoders
von: Cassano, Enrico, et al.
Veröffentlicht: (2025)

Z-Erase: Enabling Concept Erasure in Single-Stream Diffusion Transformers
von: Jiang, Nanxiang, et al.
Veröffentlicht: (2026)

Bi-Erasing: A Bidirectional Framework for Concept Removal in Diffusion Models
von: Chen, Hao, et al.
Veröffentlicht: (2025)

Erasing Undesirable Influence in Diffusion Models
von: Wu, Jing, et al.
Veröffentlicht: (2024)

Erasing Thousands of Concepts: Towards Scalable and Practical Concept Erasure for Text-to-Image Diffusion Models
von: Seo, Hoigi, et al.
Veröffentlicht: (2026)

Erasing Concepts from Text-to-Image Diffusion Models with Few-shot Unlearning
von: Fuchi, Masane, et al.
Veröffentlicht: (2024)

Erasing Concepts, Steering Generations: A Comprehensive Survey of Concept Suppression
von: Xie, Yiwei, et al.
Veröffentlicht: (2025)

FlowErase-RL: Rethinking Concept Erasure as Reward Optimization in Flow Matching Models
von: Sun, Yi, et al.
Veröffentlicht: (2026)

Revoking Amnesia: RL-based Trajectory Optimization to Resurrect Erased Concepts in Diffusion Models
von: Gao, Daiheng, et al.
Veröffentlicht: (2025)

Erased or Dormant? Rethinking Concept Erasure Through Reversibility
von: Liu, Ping, et al.
Veröffentlicht: (2025)

EAR: Erasing Concepts from Unified Autoregressive Models
von: Fan, Haipeng, et al.
Veröffentlicht: (2025)

EraseAnything: Enabling Concept Erasure in Rectified Flow Transformers
von: Gao, Daiheng, et al.
Veröffentlicht: (2024)

One-Dimensional Adapter to Rule Them All: Concepts, Diffusion Models and Erasing Applications
von: Lyu, Mengyao, et al.
Veröffentlicht: (2023)

Do Concept Replacement Techniques Really Erase Unacceptable Concepts?
von: Das, Anudeep, et al.
Veröffentlicht: (2025)

Sparse Autoencoder as a Zero-Shot Classifier for Concept Erasing in Text-to-Image Diffusion Models
von: Tian, Zhihua, et al.
Veröffentlicht: (2025)

ConceptPrune: Concept Editing in Diffusion Models via Skilled Neuron Pruning
von: Chavhan, Ruchika, et al.
Veröffentlicht: (2024)

Erasing More Than Intended? How Concept Erasure Degrades the Generation of Non-Target Concepts
von: Amara, Ibtihel, et al.
Veröffentlicht: (2025)

ESC: Erasing Space Concept for Knowledge Deletion
von: Lee, Tae-Young, et al.
Veröffentlicht: (2025)

Concept Corrector: Erase concepts on the fly for text-to-image diffusion models
von: Meng, Zheling, et al.
Veröffentlicht: (2025)

You Only Erase Once: Erasing Anything without Bringing Unexpected Content
von: Zhu, Yixing, et al.
Veröffentlicht: (2026)

Efficient Fine-Tuning and Concept Suppression for Pruned Diffusion Models
von: Shirkavand, Reza, et al.
Veröffentlicht: (2024)

Beyond Fixed Anchors: Precisely Erasing Concepts with Sibling Exclusive Counterparts
von: Zhang, Tong, et al.
Veröffentlicht: (2025)

EffectErase: Joint Video Object Removal and Insertion for High-Quality Effect Erasing
von: Fu, Yang, et al.
Veröffentlicht: (2026)

Unlearning Concepts in Diffusion Model via Concept Domain Correction and Concept Preserving Gradient
von: Wu, Yongliang, et al.
Veröffentlicht: (2024)

Robust Concept Erasure in Diffusion Models: A Theoretical Perspective on Security and Robustness
von: Fu, Zixuan, et al.
Veröffentlicht: (2025)

CusConcept: Customized Visual Concept Decomposition with Diffusion Models
von: Xu, Zhi, et al.
Veröffentlicht: (2024)

ActErase: A Training-Free Paradigm for Precise Concept Erasure via Activation Redirection
von: Sun, Yi, et al.
Veröffentlicht: (2026)

EraseFlow: Learning Concept Erasure Policies via GFlowNet-Driven Alignment
von: Kusumba, Abhiram, et al.
Veröffentlicht: (2025)

Rethinking Robust Adversarial Concept Erasure in Diffusion Models
von: Yin, Qinghong, et al.
Veröffentlicht: (2025)

Roots Beneath the Cut: Uncovering the Risk of Concept Revival in Pruning-Based Unlearning for Diffusion Models
von: Zhang, Ci, et al.
Veröffentlicht: (2026)