論文の概要: FOMO: Forget the Concept, Don't Miss Out on the Scene in Selective Video Unlearning
- arxiv url: http://arxiv.org/abs/2609.39605v1
- Date: Wed, 30 Sep 2026 12:25:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:27.707967
- Title: FOMO: Forget the Concept, Don't Miss Out on the Scene in Selective Video Unlearning
- Title（参考訳）: FOMOのコンセプトを忘れる - ビデオアンラーニングのシーンを見逃すな
- Abstract要約: FOMOは,初等訓練に基づく選択型ビデオアンラーニング手法である。
私たちは、何を変えるか、何を保存するかという2つの相補的な目的について、未学習を定式化します。
提案手法は, 安全でないコンテンツ, オブジェクト, モーションの概念をまたいだ効果的なアンラーニングを実現するとともに, 概念の削除とシーン保存の最良のトレードオフを実現する。
- 参考スコア（独自算出の注目度）: 0.23999111269325268
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid advancement of generative video models has enabled the synthesis of increasingly realistic and temporally coherent videos, while also raising concerns about the generation of harmful content. The reliance on large-scale web datasets during training inevitably exposes these models to undesirable material, making concept unlearning an essential mitigation. Existing methods mainly target static visual concepts, such as objects, identities, or unsafe appearance, largely overlooking motion unlearning. Furthermore, these approaches often pay little attention to preserving the surrounding scene. As a result, successful concept removal may unintentionally alter the background, composition, or overall video dynamics. We argue that effective unlearning should ideally change only what is targeted, while minimizing unnecessary changes to the remaining scene. In this work, we introduce FOMO, to the best of our knowledge the first training-based selective video unlearning method that directly treats preservation of the original scene as a priority. We formulate unlearning around two complementary objectives: what to change and what to preserve. Our method localizes concept-related representations and modifies them, while the preservation mechanism maintains non-target scene information without requiring auxiliary data. Beyond simply erasing unwanted concepts, FOMO explicitly redirects the generation toward a specified safe alternative. We further extend this formulation to motion unlearning, where the concept is defined by temporal behavior rather than a fixed spatial region. Our solution achieves effective unlearning across unsafe content, object, and motion concepts, while achieving the best trade-off between concept removal and scene preservation. Code: https://github.com/gmum/FOMO Project Page https://gmum.github.io/FOMO
- Abstract（参考訳）: 生成ビデオモデルの急速な進歩により、より現実的で時間的に整合したビデオの合成が可能となり、有害なコンテンツの生成への懸念も高まっている。
トレーニング中の大規模なWebデータセットへの依存は、必然的にこれらのモデルを望ましくない素材に公開する。
既存の手法は主に、物体、アイデンティティ、安全でない外観などの静的視覚概念をターゲットとしており、主に動きの学習を見下ろしている。
さらに、これらのアプローチは周囲のシーンを保存することにはほとんど注意を払わないことが多い。
結果として、概念の削除が成功すると、意図せず背景、構成、あるいは全体的なビデオのダイナミクスが変化する可能性がある。
効果的なアンラーニングは、ターゲットとするものだけを理想的に変更し、残りのシーンに不要な変更を最小限にするべきだ、と私たちは主張する。
そこで本研究では,本研究では,オリジナルシーンの保存を最優先として直接扱う,トレーニングベースの選択型ビデオアンラーニング手法であるFOMOについて紹介する。
私たちは、何を変えるか、何を保存するかという2つの相補的な目的について、未学習を定式化します。
提案手法は概念関連表現をローカライズして修正するが,保存機構は補助的なデータを必要としない非ターゲットシーン情報を維持する。
単に不要な概念を消去するだけでなく、FOMOは特定の安全な代替案に向けて生成を明示的にリダイレクトする。
さらに、この定式化を、固定空間領域ではなく時間的行動によって定義される、動きのない学習へと拡張する。
提案手法は, 安全でないコンテンツ, オブジェクト, モーションの概念をまたいだ効果的なアンラーニングを実現するとともに, 概念の削除とシーン保存の最良のトレードオフを実現する。
コード:https://github.com/gmum/FOMO Project Page https://gmum.github.io/FOMO
関連論文リスト
- Projected Gradient Unlearning for Text-to-Image Diffusion Models: Defending Against Concept Revival Attacks [6.0599090126776565]
現在のアンラーニングメソッドは共通の弱点を共有している。 下流データでモデルが微調整されたときに、削除された概念が返される。
我々は,予測勾配学習を分類から拡散領域に適応させ,ポストホックハードニングのステップとした。
このアプローチはスタイルの概念の復活を排除し、メタ・アンラーニングに必要な2時間に対して約6分で実行される、オブジェクトの概念に対して大幅に遅延する。
論文 参考訳（メタデータ） (2026-04-22T19:39:56Z) - From Understanding to Erasing: Towards Complete and Stable Video Object Removal [8.035439287403983]
ビデオオブジェクトの削除は、ビデオからターゲットオブジェクトを排除し、欠落した領域を確実に完了し、時間的一貫性を維持することを目的としている。
全体コヒーレンスを損なうことなく、物体によって引き起こされる副作用を取り除くことは依然として困難である。
本稿では,2つの相補的観点からの消去の理解を紹介する。
論文 参考訳（メタデータ） (2026-04-02T06:50:39Z) - Privacy Beyond Pixels: Latent Anonymization for Privacy-Preserving Video Understanding [56.369026347458835]
本稿では,ビデオ基盤モデルにおける視覚的プライバシ保護の新たな定式化について紹介する。
入力ピクセルレベルの匿名化に関する現在のプライバシー保護手法では、ユーティリティビデオモデル全体を再トレーニングする必要がある。
軽量な Anonym Adapter Module (AAM) は、一般的なタスクユーティリティを維持しながら、ビデオ機能からプライベート情報を除去する。
論文 参考訳（メタデータ） (2025-11-11T18:56:27Z) - VCE: Safe Autoregressive Image Generation via Visual Contrast Exploitation [57.36681904639463]
自己回帰的テキスト・画像モデルを保護する方法はまだ未検討のままである。
コンテンツセマンティクスから安全でない概念を正確に分離する新しいフレームワークであるVisual Contrast Exploitation (VCE)を提案する。
提案手法は,安全でない概念を消去し,無関係な概念の整合性を保ちながら,最先端の成果を効果的に確保できることを実証する。
論文 参考訳（メタデータ） (2025-09-21T09:00:27Z) - Video Unlearning via Low-Rank Refusal Vector [16.820840077695912]
映像生成モデルは直感的な指示によって視覚コンテンツの作成を民主化する。
しかし、Webスケールのトレーニングデータに埋め込まれたバイアスや有害な概念も継承する。
ユーザーは望ましくないコンテンツや違法コンテンツを簡単に生成できるため、この継承は重大なリスクをもたらす。
この研究は、この重要な問題に対処するためにビデオ拡散モデル用に明示的に調整された最初のアンラーニング手法を導入する。
論文 参考訳（メタデータ） (2025-06-09T16:06:49Z) - T2VUnlearning: A Concept Erasing Method for Text-to-Video Diffusion Models [10.59080421751043]
テキスト・ツー・ビデオ拡散モデル(T2V)の最近の進歩は、生成されたビデオの品質を大幅に向上させた。
明示的または有害なコンテンツを生成する能力は、誤用や潜在的権利侵害に関連する新しい課題をもたらす。
未学習に基づく概念消去を解決策として提案する。
論文 参考訳（メタデータ） (2025-05-23T06:56:32Z) - TRCE: Towards Reliable Malicious Concept Erasure in Text-to-Image Diffusion Models [53.937498564603054]
近年のテキスト・画像拡散モデルの進歩により、フォトリアリスティックな画像生成が可能になったが、NSFW画像のような悪意のあるコンテンツを生成するリスクもある。
リスクを軽減するため,概念消去手法が研究され,モデルが特定の概念を学習しやすくする。
本稿では,2段階のコンセプト消去戦略を用いて,信頼性の高い消去と知識保存の効果的なトレードオフを実現するTRCEを提案する。
論文 参考訳（メタデータ） (2025-03-10T14:37:53Z) - DuMo: Dual Encoder Modulation Network for Precise Concept Erasure [75.05165577219425]
非ターゲット概念に対する最小限の障害を伴う不適切なターゲット概念の正確な消去を実現するDuMo(Dual Encoder Modulation Network)を提案する。
提案手法は, 明示的コンテンツ消去, カートゥーン概念除去, アーティスティックスタイル消去における最先端性能を実現し, 代替手法よりも明らかに優れている。
論文 参考訳（メタデータ） (2025-01-02T07:47:34Z) - Enhancing Unsupervised Video Representation Learning by Decoupling the
Scene and the Motion [86.56202610716504]
アクションカテゴリは、アクションが発生するシーンと非常に関連しているため、モデルが、シーン情報のみを符号化したソリューションに分解する傾向がある。
本稿では,シーンと動き(DSM)を2つの簡単な操作で分離し,動き情報に対するモデル注意がより高いようにすることを提案する。
論文 参考訳（メタデータ） (2020-09-12T09:54:11Z) - Watching the World Go By: Representation Learning from Unlabeled Videos [78.22211989028585]
近年の単一画像教師なし表現学習技術は,様々なタスクにおいて顕著な成功を収めている。
本稿では,この自然な拡張を無償で提供することを論じる。
そこで本稿では,ビデオノイズコントラスト推定(Voice Noise Contrastive Estimation)を提案する。
論文 参考訳（メタデータ） (2020-03-18T00:07:21Z)
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。