본 논문은 텍스트-이미지 생성 모델에서 원치 않는 개념(저작권, 불쾌감 유발, 안전하지 않은 내용 등)을 정확하고, 신속하며, 저렴하게 제거하는 새로운 방법인 AdaVD(Adaptive Value Decomposer)를 제안합니다. 기존 방법들이 제거 효과와 원본 내용 보존 간의 균형을 유지하는 데 어려움을 겪고 계산 비용이 높다는 점을 개선하기 위해, AdaVD는 UNet의 각 크로스 어텐션 레이어의 값 공간에서 직교 여공간을 계산하는 선형 대수 연산을 기반으로 합니다. 훈련이 필요 없으며, 적응적 이동 계수를 설계하여 제거 효과를 저해하지 않고 원본 내용 보존을 향상시킵니다. 다양한 실험을 통해 기존 최첨단 방법들보다 제거 효과와 원본 보존 측면에서 우수함을 보여줍니다. 특히 원본 보존 측면에서 최대 10배의 성능 향상을 달성했습니다. AdaVD는 다양한 확산 모델과 이미지 생성 작업을 지원하며, 코드는 깃허브에서 공개됩니다.
