SAEParate：通过概念解耦稀疏表示实现扩散模型概念分离遗忘

论文提出 SAEParate，利用概念感知对比学习在稀疏自编码器隐空间显式分离语义重叠概念，解决现有方法中相关概念共享隐特征的问题。 该方法增强编码器非线性变换以提升表达能力，并通过交叉注意力引导空间聚合强调概念相关区域。 实验在 UnlearnCanvas 上展示了 SOTA 性能，在联合风格-对象遗忘这一存在严重干扰的高难度场景中表现尤为显著。