图像生成

M-ErasureBench: A Comprehensive Multimodal Evaluation Benchmark for Concept Erasure in Diffusion Models

M-ErasureBench：一种全面的多模态评估基准，用于扩散模型的概念擦除

Ju-Hsuan Weng, Jia-Wei Liao, Cheng-Fu Chou, Jun-Cheng Chen

机构 * National Taiwan University（国立台湾大学） ； Research Center for Information Technology Innovation, Academia Sinica（学术院资讯技术创新研究中心） 纠错

专题命中 图像生成评测 ：diffusion(title,abstract)；text-to-image(abstract)；image editing(abstract)；personalized generation(abstract)

AI总结 M-ErasureBench提出一种多模态评估框架，评估扩散模型的概念擦除方法，并提出IRECE模块提升擦除鲁棒性。

A Novel Metric for Detecting Memorization in Generative Models for Brain MRI Synthesis

一种用于检测生成模型中记忆的新型度量方法

Antonio Scardace, Lemuel Puglisi, Francesco Guarnera, Sebastiano Battiato, Daniele Ravì

机构 * University of Catania（卡塔尼亚大学） ； University of Messina（梅西纳大学） 纠错

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出DeepSSIM，一种用于检测生成模型中记忆的新型自监督度量方法，通过学习嵌入空间和结构保持增强，有效提升记忆检测性能。

Comments Accepted to WACV 2026