본 논문은 대규모 데이터 학습을 통해 뛰어난 성능을 보이는 멀티모달 대규모 언어 모델(MLLM)에서 데이터 프라이버시 문제 해결을 위한 머신 언러닝 기술을 연구한다. 특히, 텍스트에 비해 연구가 부족한 MLLM의 시각적 개념 언러닝에 초점을 맞추어, 목표 시각적 개념을 정확하게 제거하면서 유사 개념에 대한 성능 저하를 최소화하는 새로운 프레임워크인 AUVIC을 제안한다. AUVIC은 적대적 교란(adversarial perturbation)을 활용하여 목표 개념을 효과적으로 격리한다. 또한, 그룹 컨텍스트에서의 시각적 개념 언러닝을 평가하기 위한 벤치마크 VCUBench를 구축하고, 실험을 통해 AUVIC의 우수한 성능을 입증한다.
