SAEmnesia는 확산 모델에서 개념 학습 제거의 어려움인 특징 분할 문제를 해결하기 위해 고안된 감독형 희소 오토인코더 프레임워크입니다. 개념-뉴런 간 일대일 매핑을 적용하여 특징 집중화를 달성하고, 각 개념을 하나의 해석 가능한 뉴런에 바인딩하여 표적적이고 효율적인 개념 삭제를 가능하게 합니다. UnlearnCanvas 벤치마크에서 기존 최고 성능보다 9.2% 향상되었으며, 순차적 학습 제거 시 정확도를 28.4% 향상시키는 등, 정밀하고 제어 가능한 개념 삭제에 새로운 기준을 제시합니다. 또한, 적대적 공격 하에서 원치 않는 콘텐츠 생성을 완화하고, I2P 평가 시 노출을 효과적으로 제거합니다.
