Anti-Inpainting：针对未知条件下恶意扩散式填充器的主动防御方法
计算机视觉与模式识别
2025-08-05 v3 人工智能
多媒体
摘要
随着基于扩散的恶意图像擦除技术的日益普及，现有的主动防御方法在面对未知条件下的图像防篡改方面困难。为此，我们提出Anti-Inpainting，一种主动防御方法，包含三个新模块。首先，我们引入多层级深度特征提取器，以获得来自扩散去噪过程的复杂特征，增强防御效果。其次，我们设计一种多尺度、语义保持的数据增强技术，以增强对抗性扰动在未知条件下的可迁移性。最后，我们提出一种基于选择的分布偏差优化策略，以增强对由不同随机种子引导的擦除的防御。在InpaintGuardBench和CelebA-HQ上的大量实验表明，Anti-Inpainting能够有效防御在未知条件下的基于扩散的填充器。此外，我们的方法对各种图像净化方法具有鲁棒性，并能在不同扩散模型版本之间实现可迁移性。
引用
@article{arxiv.2505.13023,
title = {Anti-Inpainting: A Proactive Defense Approach against Malicious Diffusion-based Inpainters under Unknown Conditions},
author = {Yimao Guo and Zuomin Qu and Wei Lu and Xiangyang Luo},
journal= {arXiv preprint arXiv:2505.13023},
year = {2025}
}