アンコールなし：音楽生成におけるオプトアウトとしての学習のアンラーニング
なぜ重要か: 企業や社会への影響が見込まれ、一般メディアにも波及する可能性があります。
arXiv:2509.06277v2 発表種別：差し替え
要旨：AIによる音楽生成はクリエイティブ産業において急速に台頭しており、テキスト記述からの直感的な音楽生成を可能にしている。しかしながら、これらのシステムは著作権のある作品への不正利用のリスクを孕んでおり、倫理的および法的懸念を引き起こしている。本論文では、進行中の研究から、意図しないクリエイティブコンテンツの利用を防止するための機械アンラーニング技術の最初の適用に関する予備的な結果を示す。特に、既存の機械アンラーニング手法を事前学習済みのテキストから音楽生成（TTM）ベースラインに適用し、モデル性能を損なうことなく事前学習済みデータセットのアンラーニングにおける有効性を分析する。実験を通して、音楽生成におけるアンラーニング適用における課題に関する知見を提供し、音楽生成モデルへのアンラーニング適用に関する今後の研究のための基礎分析を行う。
原文（英語）を表示
Title (EN): No Encore: Unlearning as Opt-Out in Music Generation
arXiv:2509.06277v2 Announce Type: replace
Abstract: AI music generation is rapidly emerging in the creative industries, enabling intuitive music generation from textual descriptions. However, these systems pose risks in exploitation of copyrighted creations, raising ethical and legal concerns. In this paper, we present preliminary results on the first application of machine unlearning techniques from an ongoing research to prevent inadvertent usage of creative content. Particularly, we explore existing methods in machine unlearning to a pre-trained Text-to-Music (TTM) baseline and analyze their efficacy in unlearning pre-trained datasets without harming model performance. Through our experiments, we provide insights into the challenges of applying unlearning in music generation, offering a foundational analysis for future works on the application of unlearning for music generative models.
Published: 2025-09-24 19:00 UTC