ForgetMe：评估生成模型中的选择性遗忘
计算机视觉与模式识别
2025-09-10 v3
摘要
扩散模型在图像生成领域的广泛采用增加了对隐私合规遗忘的需求。然而，由于扩散模型的高维特性和复杂的特征表示，实现选择性遗忘仍具有挑战性，因为现有方法在保持非敏感区域一致性的同时难以去除敏感信息。为此，我们提出了基于提示分层编辑和无训练局部特征移除的自动数据集创建框架，构建了 ForgetMe 数据集，并引入了 Entangled 评估指标。Entangled 指标通过评估目标区域与背景区域之间的相似性和一致性来量化遗忘效果，支持配对 (Entangled-D) 和非配对 (Entangled-S) 图像数据，实现无监督评估。ForgetMe 数据集涵盖了丰富的真实和合成场景，包括 CUB-200-2011 (鸟类)、Stanford-Dogs、ImageNet 以及一个合成猫数据集。我们对 Stable Diffusion 采用 LoRA 微调，以在该数据集上实现选择性遗忘，并验证了 ForgetMe 数据集和 Entangled 指标的有效性，确立了它们作为选择性遗忘基准的地位。我们的工作提供了一个可扩展且可适应的解决方案，推动隐私保护的生成式 AI 发展。
引用
@article{arxiv.2504.12574,
title = {ForgetMe: Evaluating Selective Forgetting in Generative Models},
author = {Zhenyu Yu and Mohd Yamani Inda Idris and Pei Wang},
journal= {arXiv preprint arXiv:2504.12574},
year = {2025}
}