텍스트-이미지 확산 모델은 원치 않는 콘텐츠를 생성할 수 있으며, 이를 제거하는 것이 필요합니다. 기존 방법들은 목표 개념의 잔여 흔적을 남기는 과소 제거 또는 관련 없지만 시각적으로 유사한 개념을 잘못 제거하는 과다 제거 문제를 겪습니다. 본 논문에서는 대규모 언어 모델을 활용하여 목표와 함께 제거해야 할 의미적으로 관련된 개념과 보존해야 할 개념을 구분하는 새로운 개념 제거 프레임워크인 CRCE를 제시합니다. CRCE는 공참조 및 유지 개념을 명시적으로 모델링함으로써 의도하지 않은 제거 없이 더욱 정확한 개념 제거를 가능하게 합니다. 실험 결과, CRCE는 실제 객체, 인물 신원 및 추상적인 지적 재산권 특징을 포함한 다양한 제거 작업에서 기존 방법보다 우수한 성능을 보여줍니다. 구축된 데이터셋 CorefConcept과 소스 코드는 수락 후 공개될 예정입니다.
