본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

Title Page 2

Contents 5

Abstract 9

Chapter 1. INTRODUCTION 10

Chapter 2. Background 13

2.1. Overview of Diffusion Models 13

2.2. Reinforcement Learning in Generative Models 14

2.3. Existing Approaches for Concept Erasure 15

Chapter 3. Related Works 17

3.1. Erasing Concepts from Diffusion Models (ECD) 17

3.2. Unified Concept Editing in Diffusion Model (UCE) 19

3.3. Reliable Concept Erasing of Text-to-Image Diffusion Models via Lightweight Erasers (Receler) 23

3.4. Forget-Me-Not: Learning to Forget in Text-to-Image Diffusion Models 25

Chapter 4. Methods 28

4.1. Reinforcement Learning Framework for Concept Erasure 28

4.2. Reward Function Design for Concept Erasure 31

4.3. Experimental Setup 33

Chapter 5. Experiments 35

5.1. Object Concept Erasure 35

5.2. NSFW (Nudity) Concept Erasure 38

5.3. Artistic Style Concept Erasure 41

5.4. Celebrity Concept Erasure 44

5.5. Instance Concept Removal 46

Chapter 6. Conclusion 50

References 52

논문요약 54

List of Tables 7

Table 1. Comparison of Object Erasure Performance 36

Table 2. NSFW Nudity Erasure Performance (Exposed Body Parts) 39

Table 3. Artistic Style Erasure Performance 42

List of Figures 8

Figure 1. Overview of the fine-tuning process in ECD, where the model is... 18

Figure 2. Overview of the UCE method, which edits cross-attention... 19

Figure 3. Overview of the concept erasure framework using Reinforcement... 29

Figure 4. Objet concept removal results on the ImageNette dataset. Each... 37

Figure 5. NSFW removal results. Top: original outputs; Bottom: ours. Nudity... 40

Figure 6. Artistic Style Removal ("Van gogh") 43

Figure 7. Celebrity Concept Erasure ("Donald Trump") 44

Figure 8. Non-target Celebrity Preservation (Remove "Donald Trump") 45

Figure 9. Instance Concept Removal ("Grumpy Cat") 47

Figure 10. Non-target Instance Preservation (Remove "Grumpy Cat") 48

초록보기

 최근 텍스트-이미지 확산 모델은 우수한 생성 성능을 바탕으로 다양한 응용분야에 활용되고 있으나, 부적절하거나 민감한 시각적 개념을 내포하고 있어 윤리적·사회적 문제를 야기할 수 있다. 이를 해결하기 위해, 사전 학습된 모델에서 특정 개념만을 선택적으로 제거하려는 연구가 활발히 이루어지고 있으나, 기존 방법은 우회 표현에 대한 취약성, 의미 정합성 저하, 이미지 품질 손상 등 여러 한계를 지닌다. 본 연구는 강화학습 기반 보상 최적화 기법을 도입하여, 텍스트조건을 유지하면서 삭제 대상 개념을 의미적으로 정밀 억제하는 방식을 제안한다. 이는 단순한 키워드 차단이 아닌, 개념의 의미 표현 자체를 통제하는 접근으로 기존 방식과 차별화된다. 실험 결과, 제안 기법은 개념 제거 성능과 이미지 품질간의 균형을 효과적으로 달성하였으며, 텍스트-이미지 생성 모델의 안정성과 실용성을 동시에 확보할 수 있는 가능성을 제시한다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기