📖 AI 总结

本文提出FADE，一种面向文本到视频扩散模型的多概念擦除框架，旨在从预训练模型中移除版权、暴力或色情等指定概念，同时保持模型在其他内容上的生成能力。针对现有方法存在的两个问题——帧无关抑制导致被擦除概念在个别帧中重新出现，以及通常仅针对单一概念评估——FADE先通过联合闭式键值编辑抑制所有目标概念，再训练逐概念的帧感知低秩适配器，其强度由帧索引和去噪时间步共同控制，以消除残余的逐帧泄漏；各适配器以其他目标的提示作为硬负样本训练，并通过基于相似度的软路由器按提示组合。在单一Wan2.1-T2V-1.3B骨干上擦除16个概念（物体、艺术风格和裸露内容）时，FADE将物体基准上的残余准确率降至4.9%，而八个基线中最强者为15.5%，同时VBench平均分与未编辑模型的差距保持在0.9%以内。该优势在VLM评判和盲测人类研究中排序一致，并可推广至多概念组合提示、30个同时擦除的名人身份以及Wan2.1-T2V-14B、CogVideoX-2B和HunyuanVideo-1.5等模型。

🔑 关键词速览