본 논문은 텍스트-이미지 확산 모델에서 유해 콘텐츠 생성을 방지하기 위한 개념 삭제 기법으로, 특정 영역에 국한된 개념만을 제거하는 '국소 개념 삭제(localized concept erasure)' 프레임워크를 제시합니다. 기존 방법들이 특정 영역의 개념 삭제 과정에서 이미지의 다른 영역의 충실도를 훼손하는 문제를 해결하기 위해, 본 논문에서는 학습이 필요 없는 새로운 방법인 GLoCE(Gated Low-rank adaptation for Concept Erasure)를 제안합니다. GLoCE는 경량 모듈을 확산 모델에 추가하여 저차원 행렬과 간단한 게이트 메커니즘을 통해 목표 개념이 포함된 영역만 선택적으로 제거합니다. 실험 결과, GLoCE는 목표 개념 삭제 후 이미지 충실도를 향상시키고, 기존 방법들보다 효과, 특이성, 강건성 측면에서 우수한 성능을 보이며, 다수 개념 삭제에도 확장 가능함을 보여줍니다.
