noise-consistent-skew

深度分析

MUCS：以受限鏡像遺忘與噪聲一致化損失偏斜提升擴散模型訓練資料歸因

在生成模型領域，訓練資料歸因關乎可解釋性與責任分配。本研究提出MUCS方法，結合鏡像遺忘與噪聲一致的損失偏斜計分。方法透過受限鏡像梯度上升微調第二模型，並以一致噪聲樣本計算正規化偏斜分數。實驗在多組資料集上顯著超越既有方法，並展現較佳效率與泛化潛力。