텍스트-이미지 확산 모델은 원치 않는 콘텐츠를 생성할 수 있으며, 이를 해결하기 위해 개념 삭제 기술이 필요합니다. 하지만 기존 방법들은 부분적인 삭제(잔여 개념 흔적 남음) 또는 과도한 삭제(관련 없는 유사 개념까지 삭제) 문제를 겪습니다. 본 논문에서는 대규모 언어 모델을 활용하여, 목표 개념과 함께 삭제해야 할 의미적으로 관련된 개념과 보존해야 할 개념을 식별하는 새로운 개념 삭제 프레임워크인 CRCE를 제안합니다. CRCE는 공참조 및 보존 개념을 명시적으로 모델링함으로써 의도치 않은 삭제 없이 더욱 정확한 개념 제거를 가능하게 합니다. 실험 결과, CRCE는 다양한 삭제 작업에서 기존 방법보다 우수한 성능을 보여줍니다.
