AI生成模型的因果指纹

AI生成模型在其生成的图像中留下隐式痕迹，通常被称为模型指纹，并被用于来源归属。先前的方法依赖于模型特定的线索或合成伪影，产生的指纹可能在不同生成模型之间泛化能力有限。我们认为，完整的模型指纹应反映图像来源与模型痕迹之间的因果关系，这一方向在很大程度上未被探索。为此，我们将生成模型的因果指纹概念化，并提出了一种因果解耦框架，在从预训练扩散重建残差导出的语义不变潜在空间中将其与图像特定内容和风格解耦。我们进一步通过多样化的特征表示增强指纹粒度。我们通过在代表性GAN和扩散模型上的归属性能评估因果性，并通过从因果指纹生成的反事实示例实现来源匿名化来验证因果性。实验表明我们的方法在模型归属方面优于现有方法，展现出在伪造检测、模型版权追溯和身份保护方面的巨大潜力。