【CVPR2025】概念护卫：具备遗忘与混淆缓解机制的持续个性化文本生成图像方法

扩散模型的定制方法在仅需极少量用户提供图像的情况下已取得显著成果。然而，现有方法往往是对多个概念进行集体定制，而现实应用中则更常需要对概念进行顺序集成。这种顺序性可能导致灾难性遗忘，即先前学习的概念被遗忘。本文研究了在持续定制过程中出现的概念遗忘与概念混淆问题。为应对这些挑战，我们提出了ConceptGuard，一种综合性方法，结合了偏移嵌入（shift embedding）、概念绑定提示词（concept-binding prompts）和记忆保持正则化（memory preservation regularization），并引入了一个优先队列，用于自适应地更新不同概念的重要性与出现顺序。上述策略能够动态地更新、解绑并学习先前概念之间的关系，从而缓解概念遗忘与混淆问题。通过全面的实验，我们表明所提方法在定量和定性分析中均显著且持续优于所有基线方法。