本論文では、職業関連のプロンプトを扱う際に性別に基づくステレオタイプに頼りがちな従来の動画編集モデルの問題を解決するために、FAME（Fairness-aware Attention-modulated Video Editing）を提案しています。この手法では、既存のマイノリティ表現から公平性の埋め込みを導出し、テキストエンコーダーにデバイアシングトークンをソフトに注入することで、性別バイアスを軽減します。FAMEは、時間の自己注意とプロンプトと領域間のクロスアテンションに公平性をモジュレートする技術を統合し、直接的な公平性キューの導入によるモーションの劣化や時間的不整合を抑えます。具体的には、領域制約された注意マスクや公平感受性の類似マスクを用いて、フレーム間の時間的ドリフトを防ぎながら、視覚的な意味を適切な領域に結び付ける手法を採用しています。実験では、FAMEが従来の動画編集ベースラインを上回る公平性の整合性と意味の忠実度を達成することが示されています。