通过渐进对齐实现零残差概念抹除：基于文本到图像模型
计算机视觉与模式识别
2025-08-07 v1 人工智能
机器学习
摘要
概念抹除旨在防止预训练的文本到图像模型生成与语义有害概念（即目标概念）相关的内容，正受到日益关注的注意。当前方法将此任务 formulated 为一个优化问题：它们将所有目标概念与语义无害锚概念对齐，并应用闭式解来更新模型。虽然这些闭式方法高效，但我们认为现有方法存在两个被忽视的局限性：1）它们常导致因“非零对齐残差”而实现不完全抹除，尤其在文本提示相对复杂时；2）它们可能因始终将参数更新集中在少数深层而导致生成质量下降。为此，我们提出了一种新型闭式方法 ErasePro：其设计旨在实现更完整的概念抹除并更好地保留整体生成质量。具体而言，ErasePro 首先在优化目标中引入严格的零残差约束，确保目标与锚概念特征之间的完美对齐，从而实现更完整的抹除。其次，它采用渐进的、层级的更新策略，从浅层到深层层次逐步将目标概念特征转移到锚概念特征。随着深度的增加，所需的参数变化减小，从而减少对敏感深层的偏差并保留生成质量。经实证研究表明，在包括实例、艺术风格和裸露抹除等不同概念抹除任务中，ErasePro 的效果显著。
引用
@article{arxiv.2508.04472,
title = {Zero-Residual Concept Erasure via Progressive Alignment in Text-to-Image Model},
author = {Hongxu Chen and Zhen Wang and Taoran Mei and Lin Li and Bowei Zhu and Runshi Li and Long Chen},
journal= {arXiv preprint arXiv:2508.04472},
year = {2025}
}