无修改且模型无关的生成图像来源归属
计算机视觉与模式识别
2023-05-31 v1 密码学与安全
机器学习
摘要
近年来，图像生成模型受到越来越多的关注。然而，关于这些模型潜在的滥用和知识产权（IP）侵权问题也随之出现。因此，有必要通过分析图像的来源来推断特定图像是否由某个特定模型生成，即来源归属。现有方法的适用性局限于特定类型的生成模型，并且需要在训练或生成过程中进行额外操作。这限制了它们在缺乏这些特定操作的预训练模型上的使用，并可能损害图像生成的质量。为克服该问题，我们首先通过图像生成模型上的输入逆向工程，即针对特定图像反演特定模型的输入，开发了一种无修改且模型无关的源归属方法。给定特定模型，我们首先分析该给定模型生成图像与其他图像在逆向工程任务难度上的差异。基于我们的分析，我们提出了一种利用逆向工程重建损失来推断来源的方法。我们提出的方法有效区分了来自特定生成模型的生成图像与其他图像，包括由不同模型生成的图像和真实图像。
引用
@article{arxiv.2305.18439,
title = {Alteration-free and Model-agnostic Origin Attribution of Generated Images},
author = {Zhenting Wang and Chen Chen and Yi Zeng and Lingjuan Lyu and Shiqing Ma},
journal= {arXiv preprint arXiv:2305.18439},
year = {2023}
}