MapRoute++: 서브로게이트 기반 의미적 라우팅을 활용한 시각적 개념 제거

MapRoute++: Surrogate-Guided Semantic Routing for Visual Concept Unlearning

본 논문에서는 Gen$μ$ 2.0 Challenge의 Task 3인 시각적 개념 제거 과제에 대한 연구 결과를 제시합니다. 기존의 MapRoute 모델을 기반으로, 본 연구는 작업별 학습 목표를 최적화하고, 더욱 풍부한 개념 표현 방법을 도입하며, 개념별 매퍼 선택을 위한 의미적 라우팅 기법을 적용했습니다. 제안하는 방법은 관련 없는 및 의미적으로 유사한 개념을 보존하면서도 강력한 개념 제거 성능을 제공합니다. 공식 벤치마크에서 Erasing-Retention-Robustness (ERR) 지표를 사용하여 Stable Diffusion v1.4 모델에 대한 평가 결과, 본 연구의 방법은 다섯 가지 개념 범주 전반에서 평균적으로 12.1% 더 높은 성능을 보여주며, 최첨단 기준 모델보다 상당한 개선 효과를 달성했습니다.

We present our submission to Task 3 of the Gen$μ$ 2.0 Challenge on visual concept unlearning. Building on MapRoute, we introduce task-specific training objectives, richer concept representations, and semantic routing for concept-specific mapper selection. Our approach improves robust concept removal while preserving unrelated and semantically adjacent concepts. On the official benchmark, evaluated using the Erasing-Retention-Robustness (ERR) metric on Stable Diffusion v1.4, our method outperforms the state-of-the-art baseline by 12.1\% on average across the five concept categories, achieving substantial gains.