論文の概要: RASteer: Retain-Aware Activation Steering for Concept Erasure in Diffusion Models

• arxiv url: http://arxiv.org/abs/2610.01969v1
• Date: Thu, 01 Oct 2026 16:20:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.273554
• Title: RASteer: Retain-Aware Activation Steering for Concept Erasure in Diffusion Models
• Title（参考訳）: RASteer:拡散モデルにおける概念消去のための保持型活性化ステアリング
• Abstract要約: 概念消去は、事前訓練されたテキストと画像の拡散モデルからターゲット概念を削除し、他のコンテンツを生成する能力を維持することを目的としている。 既存のアクティベーションステアリング手法は、主にターゲット概念から消去方向を構築し、推論時にモデルアクティベーションを調整する。 本研究では、保持概念を抑え、非ターゲットコンテンツの生成を損なう訓練不要なRetain-Aware Activation Steering(RASteer)を提案する。
• 参考スコア（独自算出の注目度）: 18.455819846492748
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Concept erasure aims to remove a target concept, such as a copyrighted style, a recognizable character, or unsafe content, from a pretrained text-to-image diffusion model while preserving its ability to generate other content. Existing activation steering methods build an erasure direction mainly from the target concept and adjust model activations along it at inference time. However, target and retained concepts often overlap in the model's representation space, so this direction also contains shared components that retained concepts rely on. Steering directly along this direction can therefore suppress retained concepts and harm the generation of non-target content. To address this issue, we propose Retain-aware Activation Steering (RASteer), a training-free method. RASteer first builds a retain subspace from the concepts to preserve. Retain-Orthogonal Steering (ROS) then removes components aligned with this subspace from the erasure direction, making steering more specific to the target. Since fully removing the shared components can weaken erasure, we further introduce Overlap-Adaptive Calibration (OAC). At each layer and denoising step, OAC uses the overlap between the erasure direction and the retain subspace to control how much of each shared component is removed, balancing target erasure and concept preservation. Experiments on unsafe-content, instance, and artistic-style erasure across multiple backbones and benchmarks show that RASteer matches or outperforms the activation steering and weight editing baselines we evaluate, achieving a better balance between erasure and preservation.
• Abstract（参考訳）: 概念消去は、著作権のあるスタイル、認識可能な文字、安全でないコンテンツなどのターゲット概念を、事前訓練されたテキストから画像への拡散モデルから取り除き、他のコンテンツを生成する能力を維持することを目的としている。 既存のアクティベーションステアリング手法は、主にターゲット概念から消去方向を構築し、推論時にモデルアクティベーションを調整する。 しかしながら、ターゲットと保持された概念は、しばしばモデルの表現空間で重複するため、この方向は、概念を保持する共有コンポーネントも含んでいる。 したがって、この方向に沿って直接ステアリングすることで、保持された概念を抑えることができ、非ターゲットコンテンツの生成を損なうことができる。 この問題に対処するために、トレーニング不要なRetain-Aware Activation Steering (RASteer)を提案する。 RASteerはまず、保持する概念からretainサブスペースを構築する。 保持直交ステアリング (Retain-Orthogonal Steering, ROS) は、この部分空間に整列したコンポーネントを消去方向から取り除き、ステアリングを目標に対してより特異的にする。 共有コンポーネントを完全に削除することは消去を弱めるので、OAC(Overlap-Adaptive Calibration)をさらに導入する。 各層および復調ステップにおいて、OACは、消去方向と保持部分空間との重なりを利用して、各共有コンポーネントのどのくらいを除去するかを制御し、目標の消去と概念保存のバランスをとる。 例えば、複数のバックボーンやベンチマークにまたがる、安全でないコンテンツ、芸術的な消去に関する実験は、RASteerが我々の評価したアクティベーションステアリングとウェイト編集ベースラインに適合または優れ、消去と保存のバランスが良くなることを示している。

関連論文リスト

• EraseSAE: Surgical Concept Erasure in Text-to-Video Diffusion Models via Sparse Autoencoders [103.46709005379591]
  概念消去は、事前訓練されたモデルから不要なセマンティクスを取り除くことによって、原則化された救済を提供する。 既存のアプローチは一般に粗い品質で動作し、概念表現の微細で分散した性質と不一致である。 外科的概念の消去を実現するためにスパースオートエンコーダを利用する新しいフレームワークであるEraseSAEを提案する。
  論文  参考訳（メタデータ） (2026-09-03T10:23:37Z)
• To Erase, or Not to Erase: Robust Training-Free Concept Erasure with Preservation aware Adaptive Ranked Subspace Expansion [10.950549540413528]
  概念消去技術は、テキストから画像への拡散モデルを編集し、NSFWコンテンツや著作権のあるスタイルのような望ましくないターゲットを消去する。 現在のCETは、消去とユーティリティのトレードオフに直面している。 本稿では,潜在拡散モデルにおけるロバストな概念消去のためのトレーニングフリーフレームワークであるParservation-Aware Adaptive Ranked Subspace Expansion (PARSE)を提案する。
  論文  参考訳（メタデータ） (2026-07-26T06:35:31Z)
• Erasing Without Collateral Damage: Precise Concept Removal in Diffusion Models [10.269961654607108]
  トレーニング不要の概念消去は、テキスト間拡散モデルを制御するための魅力的なメカニズムである。 しかし、正確な消去は、しばしば意味論的に関連する非ターゲット概念を損なうコストがかかる。 原ターゲット方向を宇宙空間に意識した方向で置き換えるクローズドフォームの概念消去演算子であるCAREを紹介する。
  論文  参考訳（メタデータ） (2026-07-06T16:21:09Z)
• CoreUnlearn: Rethinking Concept Unlearning through Disentangled Component-Level Erasure in Text-guided Diffusion Models [72.22994966489551]
  CoreUnlearnは、望ましくないコンセプトの消去クリティカルなコンポーネントを混乱させ、取り除くことを目的としている。 モデル全体のパフォーマンスへの影響を最小限に抑えて、効果的な概念消去を実現する。
  論文  参考訳（メタデータ） (2026-06-01T04:09:45Z)
• Geometric-Disentangelment Unlearning [106.99160454669902]
  忘れたサンプルへの勾配は しばしば 保持された知識を傷つける 本稿では,GU(Geometric-disment Unlearning)を提案する。 本手法はプラグ・アンド・プレイであり,既存の勾配に基づくアンラーニング手法と併用することで副作用を軽減できる。
  論文  参考訳（メタデータ） (2025-11-21T09:58:25Z)
• 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)
• SAGE: Exploring the Boundaries of Unsafe Concept Domain with Semantic-Augment Erasing [65.82241040239452]
  望ましくない概念に微妙な重みを消去する概念。 既存の方法は、安全でない概念を固定語として扱い、繰り返し消去する。 本稿では,概念語消去を概念ドメイン消去に変換する意味拡張消去について紹介する。
  論文  参考訳（メタデータ） (2025-06-11T03:21:24Z)
• 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)
• 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)

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。