論文の概要: Beyond Fixed Anchors: Precisely Erasing Concepts with Sibling Exclusive Counterparts

• arxiv url: http://arxiv.org/abs/2510.16342v1
• Date: Sat, 18 Oct 2025 04:03:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:38.95635
• Title: Beyond Fixed Anchors: Precisely Erasing Concepts with Sibling Exclusive Counterparts
• Title（参考訳）: 固定アンカーを超える: 兄弟の排他的カウンタで正確に概念を消去する
• Authors: Tong Zhang, Ru Zhang, Jianyi Liu, Zhen Yang, Gongshen Liu,
• Abstract要約: 固定アンカーの限界を克服する動的アンカー選択フレームワークを提案する。 本フレームワークでは, 正確な消去のために最適なアンカーを自動的に検出する2段階評価機構を新たに導入する。 大規模な評価では、SELECTは普遍的なアンカーソリューションとして、複数の消去フレームワークに効率的に適応するだけでなく、既存のベースラインを一貫して上回っていることが示されている。
• 参考スコア（独自算出の注目度）: 41.76408183825337
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing concept erasure methods for text-to-image diffusion models commonly rely on fixed anchor strategies, which often lead to critical issues such as concept re-emergence and erosion. To address this, we conduct causal tracing to reveal the inherent sensitivity of erasure to anchor selection and define Sibling Exclusive Concepts as a superior class of anchors. Based on this insight, we propose \textbf{SELECT} (Sibling-Exclusive Evaluation for Contextual Targeting), a dynamic anchor selection framework designed to overcome the limitations of fixed anchors. Our framework introduces a novel two-stage evaluation mechanism that automatically discovers optimal anchors for precise erasure while identifying critical boundary anchors to preserve related concepts. Extensive evaluations demonstrate that SELECT, as a universal anchor solution, not only efficiently adapts to multiple erasure frameworks but also consistently outperforms existing baselines across key performance metrics, averaging only 4 seconds for anchor mining of a single concept.
• Abstract（参考訳）: テキストから画像への拡散モデルの既存の概念消去手法は、しばしば固定アンカー戦略に依存しており、しばしば概念再帰や浸食といった重要な問題に繋がる。 これを解決するために、我々は、アンカー選択に対する消去の本質的な感受性を明らかにするために因果トレースを行い、シブリング排他概念をより優れたアンカーのクラスとして定義する。 この知見に基づいて,固定アンカーの限界を克服するために設計された動的アンカー選択フレームワークである「textbf{SELECT} (Sibling-Exclusive Evaluation for Contextual Targeting)」を提案する。 本フレームワークでは, 重要な境界アンカーを同定し, 適切なアンカーを自動的に検出し, 関連概念を保存できる2段階評価機構を提案する。 大規模な評価では、SELECTは普遍的なアンカーソリューションとして、複数の消去フレームワークに効率的に適応するだけでなく、主要なパフォーマンス指標にわたって既存のベースラインを一貫して上回り、単一の概念をアンカーマイニングするのに平均4秒しかかかりません。

関連論文リスト

• DyME: Dynamic Multi-Concept Erasure in Diffusion Models with Bi-Level Orthogonal LoRA Adaptation [11.480659591569308]
  テキストから画像への拡散モデルは、著作権のあるスタイルを不注意に再現し、視覚的概念を保護し、法的および倫理的懸念を提起する。 概念消去は、微調整によってそのような概念を選択的に抑制することを目的とした安全保護として登場した。 我々は、軽量でコンセプト固有のLoRAアダプタを訓練し、推論に必要なものだけを動的に構成するオンデマンド消去フレームワークDyMEを提案する。
  論文  参考訳（メタデータ） (2025-09-25T15:16:17Z)
• ERIS: An Energy-Guided Feature Disentanglement Framework for Out-of-Distribution Time Series Classification [51.07970070817353]
  理想的な時系列分類(TSC)は不変表現をキャプチャできるべきである。 現在の手法は、真に普遍的な特徴を分離するために必要な意味的な方向性を欠いている。 本稿では,シフト・ロバストネス・フレームワークのためのエンドツーエンドのエネルギー規則化情報を提案する。
  論文  参考訳（メタデータ） (2025-08-19T12:13:41Z)
• Zero-Residual Concept Erasure via Progressive Alignment in Text-to-Image Model [15.636542463543066]
  概念消去は、事前訓練されたテキスト・ツー・イメージモデルがセマンティック・ハーミフルな概念に関連するコンテンツを生成するのを防ぐことを目的としている。 既存の手法は「非ゼロアライメント残差」による不完全消去をもたらすことが多い より完全な概念消去と全体的な生成品質の保存を目的とした,新しいクローズドフォーム手法であるEraseProを提案する。
  論文  参考訳（メタデータ） (2025-08-06T14:19:32Z)
• Set You Straight: Auto-Steering Denoising Trajectories to Sidestep Unwanted Concepts [12.04985139116705]
  我々は、望ましくない概念を避けるためにdeNoising TrajectoriesをガイドするANTと呼ばれる微調整フレームワークを導入する。 ANTは重要な洞察に基づいて構築されている。 単一概念の消去のために,より徹底的かつ効率的な消去を可能にする拡張型重み対応マップを提案する。 マルチコンセプト消去のために,目的関数は汎用的なプラグアンドプレイソリューションを提供し,性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2025-04-17T09:29:30Z)
• SPEED: Scalable, Precise, and Efficient Concept Erasure for Diffusion Models [56.83154571623655]
  モデルパラメータを直接編集する効率的な概念消去手法であるSPEEDを導入する。 Speedyは、パラメータ更新がターゲット以外の概念に影響しないモデル編集スペースであるnullスペースを検索する。 たった5秒で100のコンセプトを消去しました。
  論文  参考訳（メタデータ） (2025-03-10T14:40:01Z)
• AdvAnchor: Enhancing Diffusion Model Unlearning with Adversarial Anchors [61.007590285263376]
  セキュリティ上の懸念から、研究者たちは微調整によって不適切な概念を学ばざるを得なくなった。 最近の微調整手法は、望ましくない概念を排除し、他の概念を保存することの間のかなりの性能のトレードオフを示す。 本稿では,貿易問題を軽減するために,敵対的アンカーを生成する新しいアプローチであるAdvAnchorを提案する。
  論文  参考訳（メタデータ） (2024-12-28T04:44:07Z)
• Boundary Discretization and Reliable Classification Network for Temporal Action Detection [39.17204328036531]
  時間的アクション検出は、アクションカテゴリを認識し、各アクションインスタンスの開始と終了の時間を未トリミングビデオで決定することを目的としている。 混合手法は、アンカーベースとアンカーフリーのアプローチをシームレスにマージすることで、優れたパフォーマンスを実現している。 本稿では,境界離散化と信頼性のある分類モジュールを導入することで,上記の問題に対処する新しい境界離散化・信頼性分類ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-10-10T08:14:24Z)
• A general framework for defining and optimizing robustness [74.67016173858497]
  分類器の様々な種類の堅牢性を定義するための厳密でフレキシブルなフレームワークを提案する。 我々の概念は、分類器の堅牢性は正確性とは無関係な性質と考えるべきであるという仮定に基づいている。 我々は,任意の分類モデルに適用可能な,非常に一般的なロバスト性フレームワークを開発する。
  論文  参考訳（メタデータ） (2020-06-19T13:24:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。