GEM：通过整流流中的对比速度匹配进行几何擦除

虽然多模式生成模型的快速采用提供了巨大的潜力，但它也增加了有害内容合成、深度伪造和版权侵权的风险。为了应对这些挑战，概念擦除已成为一种前瞻性的保障措施。然而，随着该领域逐渐从基于 U-Net 的扩散模型过渡到整流流 Transformer，擦除研究一直难以跟上步伐。在这项工作中，我们介绍了 GEM，一种简单但高效的整流流模型擦除框架。作为我们贡献的一部分，我们在基于生成流网络的基于轨迹的遗忘和经典的教师引导的擦除之间建立了一座原则性的桥梁：我们将基于轨迹的信号转化为教师引导的流匹配设置，从而统一了两种范式的优点。具体来说，教师提供互补的吸引和排斥信号，我们将它们组合成单个几何指导目标，从而有针对性地抑制不需要的概念，同时保持良性生成。我们的代码可在 https://github.com/multimodal-ai-lab/GEM 获取。