Z-Erase：面向单流扩散 Transformer 的概念擦除
计算机视觉与模式识别
2026-05-12 v2
摘要
概念擦除作为从文本到图像（T2I）模型中去除不必要概念的关键安全机制。虽然在 U-Net 和双流架构（如 Flux）中已广泛研究，但在新兴的单流扩散 Transformer 范式（如 Z-Image）中仍鲜有探索。在此新范式下，文本和图像标记以单一统一序列形式处理，参数共享。因此，直接应用现有擦除方法通常会导致生成崩溃。为弥合这一差距，我们提出 Z-Erase，首个针对单流 T2I 模型的概念擦除方法。为保证图像生成稳定，Z-Erase 首先提出了 Stream Disentangled Concept Erasure 框架，以解耦更新过程，使现有方法可用于单流模型。随后，在此框架内，我们引入了 Lagrangian-Guided Adaptive Erasure Modulation，这是一种受约束算法，进一步平衡敏感的擦除-保存权衡。此外，我们提供了严格的收敛分析，证明 Z-Erase 可收敛至 Pareto 稳定点。实验表明，Z-Erase 成功克服了生成崩溃问题，在广泛的任务中实现了最先进的性能。
关键词
引用
@article{arxiv.2603.25074,
title = {Z-Erase: Enabling Concept Erasure in Single-Stream Diffusion Transformers},
author = {Nanxiang Jiang and Zhaoxin Fan and Baisen Wang and Daiheng Gao and Junhang Cheng and Jifeng Guo and Yalan Qin and Yeying Jin and Hongwei Zheng and Faguo Wu and Wenjun Wu},
journal= {arXiv preprint arXiv:2603.25074},
year = {2026}
}