Buchumschlag

EraseAnything++: Enabling Concept Erasure in Rectified Flow Transformers Leveraging Multi-Object Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fan, Zhaoxin, Jiang, Nanxiang, Gao, Daiheng, Zhou, Shiji, Wu, Wenjun
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

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

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

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

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

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

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

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

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

LoRAShop: Training-Free Multi-Concept Image Generation and Editing with Rectified Flow Transformers
von: Dalva, Yusuf, et al.
Veröffentlicht: (2025)

FADE: Adversarial Concept Erasure in Flow Models
von: Fu, Zixuan, et al.
Veröffentlicht: (2025)

Erasing with Precision: Evaluating Specific Concept Erasure from Text-to-Image Generative Models
von: Fuchi, Masane, et al.
Veröffentlicht: (2025)

Differential Vector Erasure: Unified Training-Free Concept Erasure for Flow Matching Models
von: Zhang, Zhiqi, et al.
Veröffentlicht: (2026)

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

Object Placement for Anything
von: Gao, Bingjie, et al.
Veröffentlicht: (2025)

NAMI: Efficient Image Generation via Bridged Progressive Rectified Flow Transformers
von: Ma, Yuhang, et al.
Veröffentlicht: (2025)

Probabilistic Precipitation Nowcasting with Rectified Flow Transformers
von: Schusterbauer, Johannes, et al.
Veröffentlicht: (2026)

Pruning for Robust Concept Erasing in Diffusion Models
von: Yang, Tianyun, et al.
Veröffentlicht: (2024)

EGLOCE: Training-Free Energy-Guided Latent Optimization for Concept Erasure
von: Ahn, Junyeong, et al.
Veröffentlicht: (2026)

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

Minimalist Concept Erasure in Generative Models
von: Zhang, Yang, et al.
Veröffentlicht: (2025)

Separable Multi-Concept Erasure from Diffusion Models
von: Zhao, Mengnan, et al.
Veröffentlicht: (2024)

ACE: Anti-Editing Concept Erasure in Text-to-Image Models
von: Wang, Zihao, et al.
Veröffentlicht: (2025)

EraseDraw: Learning to Draw Step-by-Step via Erasing Objects from Images
von: Canberk, Alper, et al.
Veröffentlicht: (2024)

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

I-Max: Maximize the Resolution Potential of Pre-trained Rectified Flow Transformers with Projected Flow
von: Du, Ruoyi, et al.
Veröffentlicht: (2024)

Reliable and Efficient Concept Erasure of Text-to-Image Diffusion Models
von: Gong, Chao, et al.
Veröffentlicht: (2024)

SPEED: Scalable, Precise, and Efficient Concept Erasure for Diffusion Models
von: Li, Ouxiang, et al.
Veröffentlicht: (2025)

RealEra: Semantic-level Concept Erasure via Neighbor-Concept Mining
von: Liu, Yufan, et al.
Veröffentlicht: (2024)

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

Mass Concept Erasure in Diffusion Models with Concept Hierarchy
von: Tu, Jiahang, et al.
Veröffentlicht: (2026)

MagicEraser: Erasing Any Objects via Semantics-Aware Control
von: Li, Fan, et al.
Veröffentlicht: (2024)

Adams Bashforth Moulton Solver for Inversion and Editing in Rectified Flow
von: Ma, Yongjia, et al.
Veröffentlicht: (2025)

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

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

Straighten Viscous Rectified Flow via Noise Optimization
von: Dai, Jimin, et al.
Veröffentlicht: (2025)

ACE: Attentional Concept Erasure in Diffusion Models
von: Carter, Finn
Veröffentlicht: (2025)

Robust Concept Erasure Using Task Vectors
von: Pham, Minh, et al.
Veröffentlicht: (2024)