본 논문은 텍스트-이미지 확산 모델에서 유해 콘텐츠 생성을 방지하기 위해 대상 개념을 제거하면서 나머지 개념은 유지하는 미세 조정 기반 개념 삭제에 대한 연구를 제시합니다. 기존 연구들이 특정 영역에 국지적으로 나타나는 대상 개념을 지우는 과정에서 다른 영역의 충실도를 훼손하는 문제점을 해결하기 위해, 본 논문에서는 국지적 개념 삭제 프레임워크를 제안합니다. 이를 위해 학습이 필요 없는 접근 방식인 GLoCE(Gated Low-rank adaptation for Concept Erasure)를 제안하는데, 이는 경량 모듈을 확산 모델에 주입하여 저랭크 행렬과 간단한 게이트를 사용하여 대상 개념에만 선택적으로 영역을 제거합니다. 실험 결과, GLoCE는 국지적 대상 개념을 삭제한 후에도 이미지 충실도를 향상시키고, 기존 연구보다 효능, 특이성, 강건성 측면에서 우수한 성능을 보이며, 다수 개념 삭제로 확장 가능함을 보였습니다.
