본 논문은 안전하지 않은 콘텐츠 생성 위험성을 증가시키는 고품질 이미지 및 비디오 생성에 있어 최근 발전된 확산 모델의 문제점을 해결하기 위해, 모델 가중치를 변경하지 않는 새로운 훈련 없는 접근 방식인 SAFREE를 제안한다. SAFREE는 텍스트 임베딩 공간에서 유해 개념에 해당하는 부분 공간을 감지하고 프롬프트 임베딩을 이 부분 공간에서 멀리 유도하여 유해 콘텐츠를 걸러내면서 의도된 의미를 보존한다. 유해성 필터링과 안전한 개념 보존 간의 균형을 맞추기 위해 자체 검증 필터링 메커니즘과 적응형 재주의 메커니즘을 통합하여 픽셀 수준에서 유해 개념과 관련된 특징의 영향을 선택적으로 감소시킨다. 다양한 T2I 백본과 T2V 작업에 적용 가능하며, 훈련 없는 기준 모델과 비교하여 안전하지 않은 콘텐츠 억제에서 최첨단 성능을 달성하고, 고품질 이미지를 유지하면서 목표 개념을 효과적으로 필터링한다.
