arXiv · cs.AI · ByungHee Cha, Naoki Murata, Yuhta Takida, Jong Chul Ye, Yuki Mitsufuji · 10 小时前模型评分33
LoFIT：用局部条件拟合检测扩散模型训练数据成员
Probing Local Conditional Fit for Diffusion Model Membership Inference
导读
研究者提出 LoFIT（Local Conditional Fit，局部条件拟合），通过测量去噪损失沿预测偏移的初始响应来判断样本是否被用于训练文生图扩散模型，无需目标模型梯度，仅靠前向查询即可计算。在四个数据集上，该方法对微调与预训练模型的成员区分均优于基线，且能在微调早期识别成员，而朴素去噪损失基线接近随机水平。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “To quantify this response, we propose \emph{LoFIT} (Local Conditional Fit), which measures the initial response of the denoising loss along normalized prediction shifts and aggregates it across multiple text conditions and diffusion states.”
- “LoFIT requires no target-model gradients and can be computed using only forward queries to the denoiser.”
来源：arXiv · cs.AI · arxiv.org