Concept Acupuncturist：基于 SAE 的高效精准扩散模型概念擦除方法
Concept Acupuncturist: An Efficient and Precise Concept Erasure Method for Diffusion Models via Sparse Autoencoders
AI 导读
研究者提出 Concept Acupuncturist（ConceptACP），一个结合可解释性分析与 SAE 的扩散模型机器遗忘框架，用于高效精准地擦除有害或违规概念。该方法建立语义概念与 U-Net 去噪器中交叉注意力块的映射，定位与目标概念最相关的块做定向优化，避免对全扩散轨迹做大规模微调；同时利用 SAE 得到的稀疏、语义化特征激活构造修正信号，投影回对应块的输出作为监督，以缓解概念纠缠，因此无需外部推理时模块。在 SDXL-Turbo 的标准单步生成设置下，ConceptACP 的遗忘成功率较最优基线平均提升 36.34 个百分点，同时保持图像质量与提示词保真度，并能有效泛化到其他 Stable Diffusion 骨干。代码开源于 https://github.com/Eran-Xia/ConceptACP。