内容库 / 论文

arXiv:2608.17067 · 多模态

DiSCO: Defending text-to-image generation through distribution-guided contrastive prompt optimization

DiSCO：通过分布引导的对比提示优化保护文本到图像生成

DiSCO: Defending text-to-image generation through distribution-guided contrastive prompt optimization

类型：arxiv
标识：2608.17067
链接：https://arxiv.org/abs/2608.17067
主分类：multimodal
形态：method
被引：0
被引来源：Semantic Scholar
S2被引：0
影响力被引：0
TLDR：DiSCO is proposed, a zero-shot, strictly black-box defense that operates entirely at the prompt level as a plug-and-play module, requiring no model retraining, fine-tuning, or access to model internals, and can be readily applied to any text-to-image system without necessitating any changes to the model itself.
副分类：risk
待LLM分类：否
标题中文：DiSCO：通过分布引导的对比提示优化保护文本到图像生成
TLDR中文：提出 DiSCO，一种零样本、严格黑盒的防御方法，完全在提示层面以即插即用模块的形式运行，无需模型重训练、微调或访问模型内部，可直接应用于任何文本到图像系统，无需对模型本身进行任何修改。
来源文件：
/inbox/tom/_candidates/2026-08-19-agent-rag-longcontext-candidates.json
[S2 enrich]
/inbox/tom/_candidates/2026-08-20-agent-rag-longcontext-candidates.json

相关 · 按语义匹配

笔记 MMProLong:长上下文视觉语言模型的有效续训练(精读 · flyP)

笔记精读：Efficient Inference for Large Vision-Language Models: Bottlenecks, Techniques, and Prospects

仓库 leon2k2k2k/llm-feedback-alignment

笔记 VaLR: Vision-aligned Latent Reasoning for Multi-modal LLM

笔记 2026-07-04 上午多模态对照精读 · Seeker（文本→像素的长上下文 MLLM）

笔记 STEP3-VL-10B：紧凑多模态模型靠"完全解冻预训练 + PaCoRe 测试时扩展"挤进前沿 —— flyP 精读与批判

arXiv

2608.17067

TLDR

提出 DiSCO，一种零样本、严格黑盒的防御方法，完全在提示层面以即插即用模块的形式运行，无需模型重训练、微调或访问模型内部，可直接应用于任何文本到图像系统，无需对模型本身进行任何修改。DiSCO is proposed, a zero-shot, strictly black-box defense that operates entirely at the prompt level as a plug-and-play module, requiring no model retraining, fine-tuning, or access to model internals, and can be readily applied to any text-to-image system without necessitating any changes to the model itself.

被引 · S2

0

S2 0

影响力 0

相关解读

arXiv ↗ 中文全文