面向文本到图像扩散模型的 NSFW 概念抹除全面评估与分析
计算机视觉与模式识别
2025-10-24 v2
摘要
文本到图像扩散模型在各个领域展现出广泛的应用前景，具有显著的创造潜力。然而，扩散模型的强大泛化能力不可避免地会导致生成不适合工作 (NSFW) 内容，这对于其安全部署构成重大风险。虽然已提出了Several概念抹除方法来缓解NSFW内容相关的问题，但对其在各种情景下的有效性进行全面评估仍不存在。为弥合这一差距，我们引入了一个专为概念抹除设计的全流程工具包，并对NSFW概念抹除方法进行了首次系统性研究。通过探讨底层机制与经验观察之间的相互作用，我们提供深入的见解和实用指导，以有效应用于各种实际场景中的概念抹除方法，旨在深化对扩散模型内容安全性的理解，并为该关键领域的未来研究与开发奠定坚实基础。
引用
@article{arxiv.2505.15450,
title = {Comprehensive Evaluation and Analysis for NSFW Concept Erasure in Text-to-Image Diffusion Models},
author = {Die Chen and Zhiwen Li and Cen Chen and Yuexiang Xie and Xiaodan Li and Jinyan Ye and Yingda Chen and Yaliang Li},
journal= {arXiv preprint arXiv:2505.15450},
year = {2025}
}