TILDE：基於傾斜分佈的文本圖像擴散模型概念遺忘方法

隨著隱私保護與版權合規要求的提升，文本到圖像擴散模型的概念遺忘技術變得以至關重要。現有方法雖能有效移除特定概念，但往往忽視了模型在良性生成任務中的質量、多樣性及語義覆蓋率的保持。本文提出TILDE（TILt-based Distributional Erasure），將概念遺忘形式化為分布對齊問題，旨在最小化預訓練模型在遺忘約束下的偏差。該方法通過能量傾斜機制，在不依賴錨點的情況下抑制目標概念圖像，同時保留良性提示的相對概率質量。實驗表明，TILDE在對象、藝術風格及人物角色等多個基準上，實現了強大的遺忘效果，同時在保留能力和分佈保真度上優於現有基線方法，為安全部署提供了新的理論框架與解決方案。