ANTI-AI ARCHIVE
艺术史节点 / 214 · 2023-01-30

从扩散模型中提取训练数据

Extracting Training Data from Diffusion Models

Carlini, Nicholas; Hayes, Jamie; Nasr, Milad; Jagielski, Matthew; Sehwag, Vikash; Tramèr, Florian; Balle, Borja; Ippolito, Daphne; Wallace, Eric

导读

该论文用生成与筛选流程检验扩散模型对训练图像的记忆,使训练数据再现成为可实证研究的问题,而非仅凭图像相似性的推测。

原始文献#214
图1:作者展示的训练图像与提取结果;原图授权信息见原论文图注及参考文献49。查看大图 ↗

图1:作者展示的训练图像与提取结果;原图授权信息见原论文图注及参考文献49。 来源为v1,图像版本与论文首次公开日分别记录。

Carlini, Nicholas; Hayes, Jamie; Nasr, Milad; Jagielski, Matthew; Sehwag, Vikash; Tramèr, Florian; Balle, Borja; Ippolito, Daphne; Wallace, Eric · original paper / arXiv · 原论文图文与所引作品权利归各自权利人;研究引用不代表开放授权,转载权利待独立复核。

资料出处 · Extracting Training Data from Diffusion Models ↗

档案研究说明

该论文用生成与筛选流程检验扩散模型对训练图像的记忆,使训练数据再现成为可实证研究的问题,而非仅凭图像相似性的推测。

ANTI-AI ARCHIVE · 修订 2026-10-03

论文研究了什么

作者报告从研究对象中提取训练样本,并通过不同数据与模型设置分析记忆和隐私风险。研究对象包括人像与标识等内容,方法关注是否能恢复特定训练例,而非仅判断生成图是否看起来相似。

本节依据: 从扩散模型中提取训练数据

与生成艺术史的关系

编者解释:它为讨论生成图像与既有作品之间的关系提供可检验的证据类型。记忆、模仿、风格相似和作者身份因此需要分开讨论,不能用单一“复制”概念替代全部分析。

本节依据: 从扩散模型中提取训练数据

阅读边界与版本

论文并不证明每次生成都复现训练图像,也不直接裁定具体作品的版权归属或侵权。

本节依据: 从扩散模型中提取训练数据

正文引用资料

从扩散模型中提取训练数据 ↗

核读arXiv摘要、署名和版本记录,以及原论文第1页所选图页;未全文审查证明、未复现实验。

核读arXiv摘要、署名和版本记录,以及原论文第1页所选图页;未全文审查证明、未复现实验。 正文与译文使用 AI 辅助,尚未经独立人工审校;分节引文标明依据,不代表已独立验证全部史实。

带着问题继续阅读

Glaze论文:艺术家风格模仿的技术防护 ↗

Training-data extraction:对照Glaze论文:艺术家风格模仿的技术防护的方法、控制或评价条件。

LAION-5B:大规模图文数据集 ↗

Training-data extraction:对照网络图文的规模的方法、控制或评价条件。

Stable Diffusion:公开模型权重 ↗

Training-data extraction:对照开放权重的扩散模型的方法、控制或评价条件。

日期与版本记录

节点标注日期:2023-01-30 · 来源记录的历史日期:2023-01-30

时间线采用arXiv首次公开日,不以会议发表、模型上线或2026-10-03补录日替代。正文及图像参照v1;该版日期见原文版本记录。

以上日期属于历史事件或资料所记版本,不是本站页面的上线日期;保留原有日期精度与待核事项。

原始资料与进一步阅读

以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。

01
从扩散模型中提取训练数据 ↗

Extracting Training Data from Diffusion Models

https://arxiv.org/abs/2301.13188

当前引用地址

核读arXiv摘要、署名和版本记录,以及原论文第1页所选图页;未全文审查证明、未复现实验。

出处、翻译与核验状态

档案节点 #214 · 研究论文首次公开;方法、评估与制作条件

研究资料与补充出处 · 1

2022年以来重要论文补录与去重资料 · 核读arXiv摘要、署名和版本记录,以及原论文第1页所选图页;未全文审查证明、未复现实验。 · 013
原记日期: 2023-01-30
从扩散模型中提取训练数据 ↗
Extracting Training Data from Diffusion Models

站内说明依据所列研究资料撰写,非外链全文译本;AI 辅助翻译,待独立人工审校。

已按条目所列范围核读官方资料;核读范围与待复核事项见来源说明。

引用本节点

ANTI-AI ARCHIVE. 从扩散模型中提取训练数据. 艺术史节点 #214. https://salondesrefuses.cn/zh/art-history/336

引用具体史实时,请同时引用上方原始资料,并补充你的访问日期。本站说明不是外链全文译本。

相邻节点按时间顺序排列,不意味着二者存在直接影响或因果关系。