연구진은 텍스트-이미지 확산 모델에서 특정 개념을 제거하는 방법인 SAEParate를 제안했습니다. 이 방법은 개념별로 분리된 클러스터로 잠재 표현을 구성하여 정확한 개념 억제를 가능하게 합니다.
SAEParate는 기존 방법의 단점을 보완하기 위해 개념 인식 대비 목표를 활용하며, GeLU 기반 비선형 변환을 통해 표현력을 높입니다.
UnlearnCanvas 실험 결과, SAEParate는 기존 방법보다 우수한 성능을 보였으며, 특히 스타일과 객체 동시 제거에서 두드러진 효과를 나타냈습니다.