GenDataAttribution

量化训练图像对AI生成的影响,让模型更透明。

GenDataAttribution 是一个面向文本到图像模型的视觉数据归因基准测试工具,旨在评估和量化训练图像对生成结果的影响。它解决了生成模型可解释性不足的问题,帮助研究者和开发者理解模型输出与训练数据之间的因果关系。核心能力包括提供标准化的评估协议、多种归因方法对比,以及支持学习训练图像影响力的算法。项目基于 Python 实现,兼容 Stable Diffusion 等主流生成模型,适用于模型调试、数据筛选和合规审计等场景。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 80
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类图像生成
开发团队PeterWang512
所属国家
定价模式free
价格说明开源项目,提供在线演示页面,可免费使用,无付费版本。
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型comuter-vision,deeplearning,gen-ai,genai,graphics,stable-diffusion
GitHub 星标★ 80
30天Star增速
HF 下载量
上线时间2023-06-15 00:00:00
最近更新2026-03-20 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2

使用教程

核心亮点

  • 提供首个专门针对文生图模型的数据归因基准,填补领域空白
  • 支持多种归因方法对比,便于评估不同算法的有效性
  • 集成 Stable Diffusion 生态,可直接应用于主流生成模型

不足之处

  • 项目处于早期阶段,文档和社区支持待观察
  • 基准的覆盖范围有限,可能未涵盖所有最新模型

适用场景

  • 研究数据归因算法,对比不同方法在文生图任务上的表现
  • 调试生成模型,定位导致特定输出的关键训练样本
  • 数据合规审计,追溯生成内容的训练数据来源

替代项目

Data Attribution for Diffusion Models (DADM)、Influence Functions for Diffusion Models、TRAK (Tracing with Randomly-projected After Kernel)

项目介绍

GenDataAttribution 是评测安全领域的开源项目,由 PeterWang512 开发,2023 年首次发布。

它收录于评测安全分类,该分类目前共有 466 个项目,GitHub 星标数为 80。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-03-20。提供在线演示页面,可免费使用,无付费版本。从国内网络环境看,可直接访问。

它主要面向的使用场景是:研究数据归因算法,对比不同方法在文生图任务上的表现。同类可对比的替代方案包括 Data Attribution for Diffusion Models (DADM)、Influence Functions for Diffusion M…。

同类项目推荐

akto 开源

给 AI 应用做安全体检,防提示注入和数据泄露

Akto is the fastest growing AI Security platform for your teams to secure AI agents,···

★ 1517 2026-08-20
XSafeClaw 开源

给 AI 智能体装上安全盾,自动红队测试找漏洞

Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University

★ 164 2026-08-10
deepteam 开源

自动模拟越狱攻击,提前测出 LLM 安全漏洞

DeepTeam is a framework to red team LLMs and AI agents.

★ 2937 2026-09-12