論文の概要: Now You See It, Now You Don't - Instant Concept Erasure for Safe Text-to-Image and Video Generation

• arxiv url: http://arxiv.org/abs/2511.18684v1
• Date: Mon, 24 Nov 2025 01:48:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.971645
• Title: Now You See It, Now You Don't - Instant Concept Erasure for Safe Text-to-Image and Video Generation
• Title（参考訳）: 安全なテキスト・ツー・イメージとビデオ生成のためのインスタント・コンセプト・エミッション
• Authors: Shristi Das Biswas, Arani Roy, Kaushik Roy,
• Abstract要約: Instant Concept Erasure (ICE)は、トレーニング不要で、モダリティに依存しない、1ショットの重み修正アプローチで、ゼロオーバーヘッドで正確で永続的な未学習を実現する。 ICEは、異方性エネルギー重み付きスケーリングを用いて部分空間の消去と保存を定義し、その後、ユニークな閉形式重なりプロジェクタを用いて交叉に対して明示的に正規化する。 T2IモデルとT2Vモデルの両方において、元の生成能力の最小限の低下しか生じないにもかかわらず、レッドピーティングに対する堅牢性を改善した強い消去を効率的に達成する。
• 参考スコア（独自算出の注目度）: 7.68494752148263
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Robust concept removal for text-to-image (T2I) and text-to-video (T2V) models is essential for their safe deployment. Existing methods, however, suffer from costly retraining, inference overhead, or vulnerability to adversarial attacks. Crucially, they rarely model the latent semantic overlap between the target erase concept and surrounding content -- causing collateral damage post-erasure -- and even fewer methods work reliably across both T2I and T2V domains. We introduce Instant Concept Erasure (ICE), a training-free, modality-agnostic, one-shot weight modification approach that achieves precise, persistent unlearning with zero overhead. ICE defines erase and preserve subspaces using anisotropic energy-weighted scaling, then explicitly regularises against their intersection using a unique, closed-form overlap projector. We pose a convex and Lipschitz-bounded Spectral Unlearning Objective, balancing erasure fidelity and intersection preservation, that admits a stable and unique analytical solution. This solution defines a dissociation operator that is translated to the model's text-conditioning layers, making the edit permanent and runtime-free. Across targeted removals of artistic styles, objects, identities, and explicit content, ICE efficiently achieves strong erasure with improved robustness to red-teaming, all while causing only minimal degradation of original generative abilities in both T2I and T2V models.
• Abstract（参考訳）: テキスト・トゥ・イメージ(T2I)とテキスト・トゥ・ビデオ(T2V)モデルに対するロバストな概念の除去は、安全な配置に不可欠である。 しかし、既存の方法は、コストのかかる再訓練、推測オーバーヘッド、あるいは敵の攻撃に対する脆弱性に悩まされる。 さらに、T2IドメインとT2Vドメインの両方で確実に動作するメソッドも少なくなります。 Instant Concept Erasure (ICE)は、トレーニング不要で、モダリティに依存しない、1ショットの重み修正アプローチで、ゼロオーバーヘッドで正確で永続的な未学習を実現する。 ICEは、異方性エネルギー重み付きスケーリングを用いて部分空間の消去と保存を定義し、その後、ユニークな閉形式重なりプロジェクタを用いて交叉に対して明示的に正規化する。 コンベックスとリプシッツに束縛されたスペクトルアンラーニング目的(Spectral Unlearning Objective)を呈し、消去の忠実度と交差保存のバランスをとり、安定かつユニークな分析解を許容する。 このソリューションは、モデルのテキストコンディショニング層に変換される解離演算子を定義する。 T2IモデルとT2Vモデルの両方において、ターゲットとした芸術スタイル、オブジェクト、アイデンティティ、明示的な内容の除去とともに、ICEは、リピートに対する堅牢性を改善した強力な消去を実現すると同時に、オリジナルの生成能力の最小限の低下しか生じない。

関連論文リスト

• CURE: Concept Unlearning via Orthogonal Representation Editing in Diffusion Models [7.68494752148263]
  CUREは、事前訓練された拡散モデルの重み空間で直接動作する、トレーニング不要の概念未学習フレームワークである。 スペクトル消去器は、安全な属性を保持しながら、望ましくない概念に特有の特徴を特定し、分離する。 CUREは、対象とする芸術スタイル、オブジェクト、アイデンティティ、明示的なコンテンツに対して、より効率的で徹底的な除去を実現する。
  論文  参考訳（メタデータ） (2025-05-19T03:53:06Z)
• Sparse Autoencoder as a Zero-Shot Classifier for Concept Erasing in Text-to-Image Diffusion Models [17.694838443796026]
  Interpret then Deactivate (ItD) は、T2I拡散モデルにおける正確な概念除去を可能にする新しいフレームワークである。 ItDはスパースオートエンコーダを使用して、各概念を複数の機能の組み合わせとして解釈する。 さらなるトレーニングを必要とせずに、簡単に複数の概念を消去できる。
  論文  参考訳（メタデータ） (2025-03-12T14:46:40Z)
• 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)
• SAFREE: Training-Free and Adaptive Guard for Safe Text-to-Image And Video Generation [65.30207993362595]
  安全な生成のための学習/編集に基づく手法は、モデルから有害な概念を取り除くが、いくつかの課題に直面している。 安全なT2IとT2VのためのトレーニングフリーアプローチであるSAFREEを提案する。 テキスト埋め込み空間における有毒な概念の集合に対応する部分空間を検出し、この部分空間から直ちに埋め込みを行う。
  論文  参考訳（メタデータ） (2024-10-16T17:32:23Z)
• Reliable and Efficient Concept Erasure of Text-to-Image Diffusion Models [76.39651111467832]
  本稿では,Reliable and Efficient Concept Erasure (RECE)を提案する。 派生した埋め込みによって表現される不適切なコンテンツを緩和するために、RECEはそれらをクロスアテンション層における無害な概念と整合させる。 新たな表現埋め込みの導出と消去を反復的に行い、不適切な概念の徹底的な消去を実現する。
  論文  参考訳（メタデータ） (2024-07-17T08:04:28Z)

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。