跳到正文
只看学习与优化#Diffusion
10月8日周四
  1. arXiv · 泛化与分布偏移77

    BridgeGuard：面向扩散式自动驾驶的显式安全漂移

    基于摘要分析。BridgeGuard 针对扩散式自动驾驶规划器在分布偏移下可能生成不安全轨迹的问题，在去噪过程中逐步增强约束项，将中间轨迹引向依场景确定的安全域；其贡献是将学习到的安全距离场与冻结的预训练规划器结合，并给出理想化连续时间桥过程下终端安全的充分条件。 机制上，轨迹修正在低维曲线空间中进行，以促进几何一致性。DistanceFieldNet 从鸟瞰图特征预测随时间变化的距离场，在专家轨迹之外采样查询点，并使用场值与空间梯度监督，使模型学习安全及不安全区域。该距离场通过安全注入提供约束项，预训练感知骨干与规划器保持冻结。摘要未给出具体约束形式、监督来源及连续时间理论条件，尚不能将理论结论直接等同于离散推理或真实驾驶中的安全保证。 作者报告，在 Bench2Drive 上，BridgeDrive 的 driving score 从 87.99 提升至 90.88，success rate 从 74.99% 提升至 76.36%；DiffusionDrive^{geo} 的对应指标从 80.79、58.18% 提升至 90.46、74.09%。作者据此报告跨模型泛化，但这不等同于跨数据集或任意分布偏移下的泛化。具体数据划分、分布偏移设置、消融、统计信息及复现条件尚未验证。 平台推测（待验证）：若 EEG/BCI 任务使用扩散模型生成具有明确可行域的输出轨迹，可假设其“冻结主模型、外加可学习约束场”的思路具有迁移价值；但驾驶方法依赖鸟瞰图、几何轨迹及可监督的安全距离，不能直接套用于 EEG 分类。可复用部分是逐步约束注入，需改造的是输出空间、距离定义与监督构造；低信噪比、跨被试及通道变化、小数据均可能使约束场失准。小规模可证伪实验可在固定 EEG 驱动轨迹解码器及相同跨被试划分下，对比无约束、固定约束与渐增强约束，联合检查轨迹约束违反率和解码误差。已有 EEG 相关工作尚未检索确认。

    阅读价值：值得阅读其冻结原有规划器、以学习到的距离场在去噪过程中注入安全约束的机制，并核对理想化终端安全条件与 Bench2Drive 实验之间的适用边界。

  2. arXiv · 多模态与生成机制74

    在少步蒸馏 Text-to-Image 扩散模型中实现偏好驱动的机器遗忘

    基于摘要分析。该研究针对少步蒸馏（few-step distilled，FSD）Text-to-Image 扩散模型中既有机器遗忘方法效果不佳的问题，提出与少步生成特性对齐的偏好驱动遗忘框架，旨在直接移除目标概念，同时保留快速推理和非目标生成能力。 机制上，作者指出，既有数据驱动遗忘目标隐含依赖多步去噪动态，而蒸馏后的少步生成过程改变了这一前提；基于噪声预测误差构建的标准 Direct Preference Optimization（DPO）及其遗忘变体，因此难以直接迁移到 FSD 模型。研究据此修改偏好优化表述，使其适配少步生成性质，而不是先对原始模型进行遗忘，再重新蒸馏。摘要未提供修改后的目标函数、偏好样本构造方式、训练步骤或具体蒸馏模型，不能据此判断实现细节及适用边界。 评估主要涉及身份与 NSFW（裸露）内容移除，并扩展到对象级遗忘。作者报告，在这些任务中获得一致、有效的目标遗忘及较强的非目标能力保留，同时维持少步生成效率。摘要未给出数据集、划分、对照基线、数值指标或计算成本，因此尚不能量化遗忘—保留权衡，也不能确认相较重新蒸馏流程的实际资源节省。实验协议、消融及统计信息尚未验证。 复现时需核对：偏好优化如何对应实际少步采样过程，遗忘与能力保留分别如何测量，以及效果对模型、采样步数和提示词变化的依赖。该材料研究的是图像生成模型的机器遗忘，未提供 EEG/BCI 验证；相关迁移价值仍待评估，已有 EEG 相关工作尚未检索确认。

    阅读价值：值得关注其针对 few-step distilled 模型生成动态重新设计偏好优化的思路；作者报告可直接实现概念遗忘并保留非目标能力，但具体目标函数、对照协议与效率收益尚需全文核对。

10月4日周日
  1. arXiv · 学习目标与优化75

    PWM：通过在线强化学习实现个性化世界模型

    基于摘要分析。该研究针对预训练世界模型难以根据用户短视频定制特定场景、同时保持动作条件生成质量的问题，提出 Personalized World Models（PWM），通过在线强化学习学习场景专属适配器，并引入 PWM-Bench 评估场景定制效果。 机制上，支持轨迹及其对应控制信号为当前策略采样的续接提供奖励反馈。GRPO 实现使用场景外观、视觉连续性与运动的统一奖励，更新紧凑的 LoRA 适配器；Yume-5B 主干保持冻结，并以基础策略锚定约束对预训练生成先验的偏离。作者还采用 DiffusionNFT 作为另一种奖励引导优化方法，学习同类场景专属适配器。摘要未给出奖励计算、锚定形式、在线采样预算及适配器配置，尚不能判断各部分的独立贡献。 PWM-Bench 包含 Indoor、Outdoor、Gaming 三个领域的 150 个定制任务，采用留出续接上的配对评估。作者报告，相对于原生 Yume，GRPO 与 DiffusionNFT 实现分别在所评估场景的 71.3% 和 65.3% 上改善定制效果，且三个领域的平均增益均为正；这些比例是改善场景的占比，不是 Accuracy 或增益百分点。作者报告，在匹配的 SFT 对照中，GRPO 实现在每个领域都获得更高的平均定制增益及更好的平均图像质量评分，同时帧级视觉质量接近预训练模型。具体评分定义、任务划分、SFT 匹配条件、消融及统计信息尚未验证。 平台推测（待验证）：其“轻量适配与先验保持”的思路可能启发 EEG 个性化，但这仅是假设。原方法依赖视频支持轨迹、控制信号及视觉奖励，不能直接视为 EEG/BCI 证据；摘要也不足以建立可直接复用的 EEG 奖励与生成机制。跨领域迁移需另行评估低信噪比、被试差异及小数据条件下的适配稳定性，已有 EEG 相关工作尚未检索确认。

    阅读价值：值得关注其通过奖励引导的 LoRA 适配与基础策略锚定平衡场景个性化和生成质量的机制，以及在留出续接上的配对评估和匹配 SFT 对照；具体奖励设计与实验协议仍需全文核对。

10月3日周六
  1. arXiv · 多模态与生成机制75

    通过扩散模型的 PAC-private 适配保护图像合成中的敏感数据

    基于摘要分析。该研究针对扩散模型在敏感数据上训练或适配后仍可能遭受重构攻击的问题，提出 PAC-private 适配框架：先学习紧凑的适配组件，再在优化完成后一次性加入经校准的噪声，以降低隐私保护对生成效用的影响。 机制上，摘要将重构隐私（RP）描述为限制攻击者对敏感数据的后验分布相对于先验的变化；差分隐私（DP）则通过约束单条记录变化对输出的影响提供保证。作者认为，DP 与 RP 的间接联系是效用损失的重要来源，而 PAC-privacy 直接约束相对于先验的后验优势，更直接对应 RP。具体方法使用 LoRA 或 Textual Inversion 学习数据依赖的紧凑扩散模型组件，再根据机制重复输出的协方差校准各向异性高斯噪声。不同于 DP-SGD 在训练中反复裁剪梯度并注入噪声，该方法仅在优化后扰动已学习组件一次；作者据此强调可避免梯度更新之间的隐私组合。 作者在少样本概念个性化与全数据集图像合成任务上报告：在达到相同重构隐私的比较前提下，所提方法比 DP 更好地保留主体身份、生成质量及下游分类 Accuracy。摘要未提供数据集名称、样本规模、具体分数、攻击者先验与能力、隐私参数或基线配置，实验协议、消融及统计信息尚未验证。复现时需重点核对重复机制输出的采样方式、协方差估计成本、噪声校准条件，以及两类方法的 RP 等价性如何建立。 平台推测（待验证）：若 EEG 生成模型也通过紧凑适配组件学习敏感被试数据，可假设借用“适配后一次性扰动”的路径，但需要改造生成骨干、条件输入及重构攻击评估。低信噪比、小样本和被试差异可能使协方差估计不稳定，或使隐私噪声破坏任务相关特征。可先在固定 EEG 数据划分与攻击协议下，对比未保护适配、PAC-private 适配和 DP 适配，联合评估重构风险与下游分类 Accuracy；图像领域结果不构成 EEG/BCI 有效性证据，已有 EEG 相关工作尚未检索确认。

    阅读价值：值得核对其如何将重构隐私目标转化为低维适配组件的一次性噪声校准，以及与 DP 方法比较时重构隐私水平是否按一致协议评估。

  2. arXiv · 多模态与生成机制75

    验证器引导的3D人体形状生成合成数据增强

    基于摘要分析。研究针对3D人体生成中训练数据多样性不足的问题：保守模型容易局限于已有样本，探索性模型则可能产生不合理的人体比例。作者提出验证器引导的合成数据增强框架，用全局与模态局部 PCA 生成低成本候选，经人体几何约束筛选后，用接受的候选重新训练扩散模型。 核心机制是通过弹性配准获取模态结构与稠密解剖对应关系：前者支持 distributed PCA，后者用于计算骨骼比例和身体部位几何，使筛选无需对每个候选分别拟合人体模型。作者报告，盲法人类评价更偏好验证器接受的输出而非拒绝的输出，支持验证器作为保守质量关卡；评价人数、判定协议及统计信息尚未验证。 作者将完整候选池的验证器接受率，与接受样本的覆盖性及偏离程度分别评估，并通过 EAUC 综合衡量。在包含4,498个已配准 DFAUST 表面的评估中，作者报告 distributed-PCA 增强的接受率为86.32%，CP-AUC为0.871、EAUC为0.752，后二者均为所比较方法中的最高值；摘要还报告，相较仅真实数据训练及自增强的扩散模型，EAUC提高32%。该32%是相对提升，不是百分点变化。表面数量不等于被试人数，数据划分、指标定义、基线配置及不确定性尚未验证。 复现需核对弹性配准、模态划分、PCA候选采样、验证器阈值与校准、扩散模型重训练及 EAUC 计算方式。该机制依赖稠密解剖对应与可校准的人体测量，不能直接视为 EEG/BCI 数据增强的有效证据；相关 EEG 工作尚未检索确认。

    阅读价值：值得关注其以低成本候选生成、解剖几何验证和扩散模型重训练分离探索与质量控制的机制，以及同时评估候选接受率和接受样本覆盖性的设计；验证器校准与复现细节尚未验证。

  3. arXiv · 多模态与生成机制80

    FADE：基于帧感知 Diffusion Transformer 的多概念擦除与视频遗忘

    基于摘要分析。该研究针对 Text-to-video（T2V）扩散模型的概念擦除问题，提出 Frame-Aware Diffusion Erasure（FADE），旨在同时移除多个指定概念并保留非目标生成行为。其关注的关键问题是：忽略帧差异的抑制可能让已擦除概念在个别帧中重新出现，而视频片段级平均指标可能掩盖这种残留。 机制上，FADE 先对 key/value 执行联合闭式编辑以抑制全部目标概念，再训练各概念专属的帧感知低秩适配器，通过帧索引与去噪时间步控制适配强度，清除逐帧残留。训练每个适配器时，将其他目标概念的提示词作为困难负例，以分离不同适配器的概念特异性成分；推理时由基于相似度的软路由器根据提示词组合适配器。具体编辑公式、损失、路由相似度定义及训练成本尚未验证。 作者报告，在单个 Wan2.1-T2V-1.3B 骨干上同时擦除涵盖物体、艺术风格与裸露内容的 16 个概念后，物体基准的残留 Accuracy 为 4.9%，八种基线中最强者为 15.5%；VBench 平均值与未编辑模型的差异保持在 0.9% 以内。这里的残留 Accuracy 用于衡量擦除后目标概念的残留，不能视为一般任务分类性能；摘要未说明 VBench 差异的具体计算口径。作者还报告，VLM 评判与盲法人类研究下方法排名不变，相对最强基线的优势延续至多目标组合提示词、同时擦除 30 个名人身份，以及 Wan2.1-T2V-14B、CogVideoX-2B 和 HunyuanVideo-1.5。 复现时应重点核对逐帧与片段级指标的关系、目标及非目标提示词划分、残留判定阈值、基线配置，以及闭式编辑、帧感知门控、困难负例和软路由各自的贡献。实验协议、消融及统计信息尚未验证。该研究的直接证据限于视频生成模型遗忘，不能据此推导 EEG/BCI 中的身份信息去除或隐私保护效果；相关 EEG 工作尚未检索确认。

    阅读价值：值得核对其逐帧概念再激活评估与多概念适配器隔离机制：作者报告在同一视频生成骨干上兼顾概念擦除和非目标生成质量，但具体评估协议与统计可靠性尚未验证。

  4. arXiv · 多模态与生成机制78

    扩散与 flow-matching 后验采样中的引导权重合理设定

    基于摘要分析。该研究针对免训练后验采样（亦称 Plug-and-Play）中先验与测量一致性之间的引导权重通常依赖启发式调节的问题，提出离线自动优化策略，在不重新训练或微调预训练生成模型的前提下，为各时间步确定引导权重。 核心机制是：扩散模型的条件去噪 score-matching 目标及 flow-matching 模型的条件训练目标均具有最小二乘形式。当条件预测表示为无条件网络输出与测量引导项的加权和时，对这两个权重的优化可转化为二维线性最小二乘问题。权重针对给定测量算子、噪声水平和采样器离线求解；作者报告，其计算成本为一个 minibatch 的采样轨迹。这一方法调整的是采样阶段的组合权重，而非预训练模型参数。 作者使用标准的基于 Tweedie 的测量一致性项实例化该策略，并报告在所评估的扩散与 flow-matching 方法中改善后验采样、达到最先进的重建性能。作者还报告，在其扩散采样实验条件下，采样步数可由 1000 降至 50，而重建质量无显著下降。摘要未提供数据集、测量任务、噪声设置、重建指标及具体对照，因此上述结果的适用范围、实验协议、消融及统计信息尚未验证。代码为计划公开，当前材料不能确认已可获取。 平台推测（待验证）：迁移假设是，在 EEG 源重建或缺失通道重建等具有明确测量算子的逆问题中，该策略可能缓解先验约束与观测一致性之间的调参负担。可复用部分是逐时间步的低维权重拟合；需改造部分包括 EEG 生成先验、测量算子及噪声模型。其依赖适配的预训练无条件生成模型和具有代表性的离线轨迹；低信噪比、跨被试分布差异、通道配置变化及小数据条件可能使已优化权重失效。一个可检验的小实验是在固定 EEG 通道掩码和噪声条件下，保持模型与采样器一致，对比启发式权重和离线优化权重，并在独立被试上核对重建误差及采样步数变化。已有 EEG 相关工作尚未检索确认。

    阅读价值：该研究将逐时间步的引导权重调节转化为二维线性最小二乘问题，为复现免训练后验采样时减少启发式调参提供了明确路径，但重建性能与采样加速仍需结合完整实验协议核对。