语义手术：扩散模型中的零样本概念擦除

文本到图像扩散模型中的概念擦除对于缓解有害内容至关重要，但现有方法常会损害生成质量。我们引入语义手术（Semantic Surgery），一种新颖的、无需训练的、零样本概念擦除框架，其直接作用于文本嵌入向量，在扩散过程之前进行操作。该框架动态估计提示词中目标概念的存在情况，并执行校准的向量减法，以在源头消除其影响，从而提升擦除的完整性和局部性。该框架包含用于稳健多概念擦除的共现编码模块，以及用于解决潜在概念持久性的视觉反馈循环。作为一种无需训练的方法，语义手术能够动态适应每个提示词，确保精确的干预。广泛的实验在对象擦除、显性内容擦除、艺术风格擦除和多明星擦除任务方面表明，我们的方法显著优于最先进的方法。我们在保持局部性和图像质量的同时实现了卓越的完整性和鲁棒性（例如在对象擦除中达到93.58的H-score，将显性内容降至仅1个实例，在风格擦除中达到8.09的H_a且无质量退化）。这种鲁棒性还使我们的框架能够作为内置的威胁检测系统，为更安全的文本到图像生成提供实用解决方案。