GrOCE:基于图引导的在线概念擦除用于文本到图像扩散模型
计算机视觉与模式识别
2026-04-14 v2
摘要
概念擦除旨在从文本到图像扩散模型中去除有害、不恰当或受版权保护的内容，同时保留非目标语义。然而，现有方法要么依赖高成本的微调，要么应用粗糙的语义分离，常导致不相关概念降级且缺乏对概念集合演变的适应性。本文提出了图引导的在线概念擦除（GrOCE），一个无需训练的框架，可实现对目标概念的精确且语境感知的在线移除。GrOCE构建动态语义图以识别目标概念的聚类，并有选择地抑制其在文本提示中的影响。它包含三个协同组件：(1)动态语义图构建（Construct）逐步构建覆盖词汇概念的加权图以捕获语义亲和力；(2)自适应聚类识别（Identify）通过多跳遍历和扩散评分提取目标概念聚类以量化语义影响；(3)选择性切断（Sever）从文本提示中移除与目标聚类相关的语义组件，同时保留非目标语义和全局句子结构。大量实验表明，GrOCE在概念相似性（CS）和Fréchet Inception Distance（FID）指标上实现了最先进的性能，提供了高效、准确且稳定的概念擦除。
引用
@article{arxiv.2511.12968,
title = {GrOCE:Graph-Guided Online Concept Erasure for Text-to-Image Diffusion Models},
author = {Ning Han and Zhenyu Ge and Feng Han and Yuhua Sun and Chengqing Li and Jingjing Chen},
journal= {arXiv preprint arXiv:2511.12968},
year = {2026}
}
备注
Accepted to CVPR 2026 Highlight