Z-Erase：在单流扩散中启用概念擦除 Transformer

概念擦除是一种重要的安全机制，用于从文本到图像 (T2I) 模型中删除不需要的概念。虽然在 U-Net 和双流架构（例如 Flux）中进行了广泛研究，但该任务在最近出现的单流扩散范例 Transformer（例如 Z-Image）中仍然没有得到充分探索。在这个新范例中，文本和图像标记通过共享参数作为单个统一序列进行处理。因此，直接应用现有的擦除方法通常会导致生成崩溃。为了弥补这一差距，我们引入了 Z-Erase，这是第一个专为单流 T2I 模型量身定制的概念擦除方法。为了保证稳定的图像生成，Z-Erase 首先提出了一种流解耦概念擦除框架，该框架可解耦更新并在单流模型上启用现有方法。随后，在此框架内，我们引入了拉格朗日引导自适应擦除调制，这是一种进一步平衡敏感擦除与保存权衡的约束算法。此外，我们提供了严格的收敛分析，证明 Z-Erase 可以收敛到 Pareto 驻点。实验表明，Z-Erase 成功克服了生成崩溃问题，在各种任务中实现了最先进的性能。