論文の概要: FADE: Frame-Aware Diffusion-Transformer-based Multi-Concept Erasure for Video Unlearning
- arxiv url: http://arxiv.org/abs/2610.03980v1
- Date: Fri, 02 Oct 2026 19:45:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-12 21:10:37.281439
- Title: FADE: Frame-Aware Diffusion-Transformer-based Multi-Concept Erasure for Video Unlearning
- Title（参考訳）: FADE:ビデオアンラーニングのためのフレーム対応拡散変換器によるマルチコンセプト消去
- Abstract要約: テキスト・トゥ・ビデオ(T2V)拡散モデルは、著作権付き、暴力的、明示的なコンテンツを再現することができる。
本稿では,FADE (Frame-Aware Diffusion Erasure) を提案する。
- 参考スコア（独自算出の注目度）: 20.850683910470618
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Text-to-video (T2V) diffusion models can reproduce copyrighted, violent, or explicit content, which motivates concept erasure: removing designated concepts from a pretrained model while preserving its behavior on everything else. Existing T2V erasure methods leave two problems open. Their frame-agnostic suppression can leave isolated frames in which an erased concept resurfaces, a frame-reactivation gap that clip-level averages obscure; and they are usually evaluated with one target concept or category at a time. We propose Frame-Aware Diffusion Erasure (FADE), a multi-concept video unlearning framework. FADE first applies a joint closed-form key/value edit that suppresses all target concepts, then trains per-concept frame-aware low-rank adapters whose strength is gated by the frame index and the denoising timestep to remove residual per-frame leakage. Each adapter is trained with the other targets' prompts as hard negatives, which keeps the concept-specific components of different adapters well separated, and a similarity-based soft router combines the adapters according to the prompt. With 16 concepts (objects, artistic styles, and nudity) erased from a single Wan2.1-T2V-1.3B backbone, FADE reduces the residual accuracy on the object benchmark to 4.9%, against 15.5% for the strongest of eight baselines, while keeping the VBench average within 0.9% of the unedited model. The ranking is unchanged under a VLM judge and a blinded human study, and the advantage over the strongest baseline carries over to prompts that combine several erased concepts, to 30 simultaneously erased celebrity identities, and to Wan2.1-T2V-14B, CogVideoX-2B, and HunyuanVideo-1.5.
- Abstract（参考訳）: テキスト・トゥ・ビデオ(T2V)拡散モデルは、著作権付き、暴力的、明示的なコンテンツを再現することができる。
既存のT2V消去法は2つの問題を解き放つ。
フレーム非依存の抑制は、消去されたコンセプトが再浮上する独立したフレーム、クリップレベルの平均が不明瞭なフレーム-リアクティベーションギャップを残し、通常は1つのターゲットコンセプトやカテゴリで評価される。
本稿では,FADE (Frame-Aware Diffusion Erasure) を提案する。
FADEはまず、すべてのターゲット概念を抑圧するジョイントクローズドフォームのキー/バリュー編集を適用し、フレームインデックスとデノイングタイムステップによって、フレーム単位のリークを除去する、コンセプション単位のフレーム単位の低ランクアダプタを訓練する。
各アダプタは、他のターゲットのプロンプトをハードネガティブとしてトレーニングし、異なるアダプタのコンセプト固有のコンポーネントを適切に分離し、類似性ベースのソフトルータはプロンプトに従ってアダプタを結合する。
16のコンセプト(オブジェクト、芸術スタイル、ヌード)が単一のWan2.1-T2V-1.3Bのバックボーンから削除され、FADEはオブジェクトベンチマークの残留精度を4.9%、最強の8つのベースラインでは15.5%、VBench平均は0.9%に下げた。
ランキングはVLM審査員と盲目人間研究の下では変わらず、最強の基準線を超える優位性は、いくつかの消去された概念、同時に消去された有名人のアイデンティティ、Wan2.1-T2V-14B、CogVideoX-2B、HunyuanVideo-1.5へのプロンプトへと引き継がれる。
関連論文リスト
- VisualErase: Dual-Branch Visual Trajectory Redirection for Robust Concept Erasure in Text-to-Image Diffusion Models [93.61484351383454]
概念消去はテキストから画像への拡散モデルの安全な配置に不可欠である。
近年の研究では、消去されたモデルがターゲット概念の視覚的生成軌道を維持している可能性が示されている。
概念を包含する視覚的生成軌道を明示的に定義した概念除去結果にリダイレクトする新しいパラダイムであるVisualEraseを提案する。
論文 参考訳（メタデータ） (2026-10-04T06:44:27Z) - 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) - Inference-Time Concept Suppression and Video-Centric Evaluation for Text-to-Video Models [3.414053724037068]
テキスト・トゥ・ビデオ(T2V)ジェネレータは、現実的で時間的に一貫性のあるビデオを合成することができる。
テキスト・ツー・イメージの消去とは異なり、T2Vアンラーニングはフレーム間で持続する可能性のあるターゲット概念を抑える必要がある。
概念レベルT2Vアンラーニングのためのトレーニング不要推論時間フレームワークである textbfSIRUS を提案する。
論文 参考訳（メタデータ） (2026-07-15T16:26:09Z) - Speculative Decoding for Autoregressive Video Generation [9.370533301840284]
ブロックベースの自己回帰ビデオ拡散に投機的復号化をもたらすSDVGを導入する。
1.3Bのドラフトラは、4つのデノナイジングステップを通じて候補ブロックを提案し、各ブロックはVAEデコードされ、ImageRewardによってスコア付けされる。
固定しきい値タウ以上のブロックは14BターゲットのKVキャッシュに受理され、残りはターゲットによって再生される。
論文 参考訳（メタデータ） (2026-04-19T12:01:57Z) - 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) - Fine-Grained Erasure in Text-to-Image Diffusion-based Foundation Models [56.35484513848296]
FADE(Fine grained Attenuation for Diffusion Erasure)は、テキストから画像への生成モデルのための非学習アルゴリズムである。
関連する概念に最小限の影響で目標概念を排除し、最先端の手法よりも保持性能が12%向上した。
論文 参考訳（メタデータ） (2025-03-25T15:49:48Z) - 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) - Separable Multi-Concept Erasure from Diffusion Models [52.51972530398691]
大規模拡散モデルから安全でない概念を排除するために,分離可能なマルチコンセプト消去器(SepME)を提案する。
後者は最適化可能なモデルウェイトを分離し、各ウェイトインクリメントは特定の概念の消去に対応する。
広範囲にわたる実験は, 概念の排除, モデル性能の保存, 各種概念の消去・回復における柔軟性の確保に, アプローチの有効性を示すものである。
論文 参考訳（メタデータ） (2024-02-03T11:10:57Z)
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。