time-diffusion

精准修正扩散模型隐含偏见，无需重训，一句话改变生成假设。

time-diffusion 是论文《Editing Implicit Assumptions in Text-to-Image Diffusion Models》的官方代码仓库，专注于文本到图像扩散模型中的知识编辑任务。它解决的是扩散模型在生成图像时隐含的、难以通过提示词修正的偏见或错误假设（如职业性别刻板印象、物体属性错误等）。核心能力包括：提供一种时间感知的编辑方法，通过调整模型内部的隐式假设来改变生成行为，而无需重新训练或微调整个模型；支持对 Stable Diffusion 等主流扩散模型进行定向编辑，并可能提供评估指标和可视化工具。项目处于早期阶段，代码和文档尚待完善，适合研究者和高级开发者探索模型可解释性与可控生成。