CopyJudge：面向文本到图像扩散模型的自动版权侵权识别与缓解
计算机视觉与模式识别
2025-07-29 v2 人工智能
摘要
评估 AI 生成图像与来源作品之间的实质性相似性是解决版权争议的关键步骤。本文提出了 CopyJudge，一种新型自动侵权识别框架，利用大型视觉语言模型 (LVMM) 模拟实际法庭过程，以确定受版权保护的图像与文本到图像扩散模型生成的图像之间的可能侵权 likelihood。具体而言，我们基于多 LVMM 辩论，采用抽象-过滤-比较测试框架来评估侵权可能性并提供详细的判决依据。基于这些判决，我们进一步引入一种通用的 LVMM 缓解策略，通过避免敏感表达式来自动优化侵权提示，同时保留非侵权内容。此外，假设输入噪声可控，我们的方法可以通过在扩散潜在空间中探索非侵权噪声向量来增强效果，即使不修改原始提示也可实现。实验结果表明，我们的自动识别方法在实现相当于最新性能的同时，能够在各种形式的侵权情形下提供更好的泛化能力和可解释性；而我们的缓解方法则能更有效地缓解记忆化和知识产权侵权，具有高度契合度。
引用
@article{arxiv.2502.15278,
title = {CopyJudge: Automated Copyright Infringement Identification and Mitigation in Text-to-Image Diffusion Models},
author = {Shunchang Liu and Zhuan Shi and Lingjuan Lyu and Yaochu Jin and Boi Faltings},
journal= {arXiv preprint arXiv:2502.15278},
year = {2025}
}
备注
Accepted by ACM MM 2025