機械学習における忘却は，学習済みモデルから特定のデータや知識の影響を意図的に除去する操作であり，プライバシ保護や望ましくない振る舞いの抑制に有効である．本研究は，規模が大きく訓練コストが高い映像識別モデルにおいて，マスクを用いた効率的な特定知識の忘却が可能であるかを検証する．
具体的には，パラメータの重要度を考慮するFisher情報マスクを，時空間情報を扱う映像認識モデルに適用し，忘却対象データと維持データから推定したFisher情報量の差分に基づいてマスクを設計する．実験により，映像認識タスクにおいても，精度低下を抑えつつ忘却性能を改善できることを示す．