Multimodal Large Language Models (MLLMs)의 개인정보 유출 문제 해결을 위해, 일반적인 이미지 이해 능력을 저하시키지 않으면서 민감 정보를 제거하는 Sculpted Memory Forgetting Adapter (SMFA)를 제안합니다. SMFA는 민감한 응답을 거부하도록 모델을 미세 조정하고, 관련 없는 지식에 대한 간섭을 방지하는 마스킹 기법을 사용합니다. 또한, 선택적 MLLM 언러닝을 평가하기 위한 새로운 벤치마크인 S-MLLMUn Bench를 소개합니다. 실험 결과, SMFA는 기존 방법들과 달리 정확하고 제어 가능한 언러닝을 달성하면서 모델의 기본적인 이미지 이해 능력을 유지하는 것으로 나타났습니다.
