擦除人格，遗忘传说：基准测试大型视觉语言模型中的多模态版权遗忘
计算机视觉与模式识别
2026-05-06 v1 人工智能
摘要
大型视觉语言模型（LVLMs）在网页规模数据上进行训练时，可能记忆并再生成受版权保护的视觉内容，如人物形象和标志标志，这在复杂的多模态LVLMs设置中构成了重大挑战。机器遗忘提供了通过后训练移除特定内容的路径，但评估其有效性尤其在LVLMs的复杂多模态环境中仍是一个开放问题。当前的评估方法往往缺乏鲁棒性或未能捕捉跨模态概念擦除的细微差异。为此，我们引入CoVUBench基准框架，这是首个专为评估LVLMs中版权内容遗忘而设计的框架。CoVUBench利用程序生成的、在法律上安全的合成数据，结合系统性的视觉变体，从组合性变化到多样化的领域表现形式，确保真实且稳健的遗忘泛化评估。我们的全面多模态评估协议从版权持有者的角度评估遗忘有效性，从部署者的角度评估一般模型实用性的保留。通过严格测量这一关键权衡，CoVUBench提供了标准化工具，以推动负责任且有效的LVLMs遗忘方法的开发。
引用
@article{arxiv.2605.03547,
title = {Erase Persona, Forget Lore: Benchmarking Multimodal Copyright Unlearning in Large Vision Language Models},
author = {JuneHyoung Kwon and JungMin Yun and YoungBin Kim},
journal= {arXiv preprint arXiv:2605.03547},
year = {2026}
}
备注
Accepted to LREC 2026