论文阅读：Detecting, Explaining, and Mitigating Memorization in Diffusion Models

一、论文信息

论文名称：Detecting, Explaining, and Mitigating Memorization in Diffusion Models

作者团队：

会议：Accepted by ICLR 2024 (Oral) 

论文链接：https://openreview.net/pdf?id=84n3UwkH7b

二、扩散模型的记忆现象 

三、研究背景 

• Training Data Extraction：

Carlini等人观察到，扩散模型能根据在训练集中见过的某个prompt生成大量非常相似的图片，即使给定的初始种子并不相同。对此他们进行了生成图像的密度检测实验，结果表明，训练集中重复度较高的图像会容易被扩散模型“记住”。

• Diffusion M