通过概念域纠正与概念保持梯度实现扩散模型中的概念忘卸

文本到图像扩散模型在生成逼真图像方面取得了显著进展。然而，这些模型在预训练期间包含的敏感信息会带来显著风险。机器忘卸 (Machine Unlearning, MU) 为消除这些模型中的敏感概念提供了可行的解决方案。尽管存在潜力，但现有 MU 方法面临两个主要挑战：1) 泛化受限，即概念抹除仅在已忘卸的子集内有效，无法防止来自超出子集的提示生成敏感概念；以及2) 效用下降，即移除目标概念显著影响模型的整体性能。为此，我们提出了一种名为 DoCo (Do main Correction) 的新型概念域纠正框架，通过对抗训练对齐敏感概念和锚定概念的输出域，确保对目标概念的全面忘卸。此外，我们引入一种概念保持梯度手术技术，以减轻冲突梯度分量，从而在忘卸特定概念的同时保持模型的效用。广泛的实验在各种实例、风格和冒犯性概念上均表明，我们的方法能够以最小对相关概念影响的方式高效地忘卸目标概念，甚至在超出分布提示上也优于先前方法。