文本到图像模型中人类内容版权保护的版权插件授权
人工智能
2025-01-31 v2 密码学与安全
计算机视觉与模式识别
机器学习
摘要
本文探讨了文本到图像模型生成图像中版权侵权的争议性问题，该问题引发了AI开发者、内容创作者和法律实体之间的辩论。最先进的模型在未注明原始创作者的情况下生成高质量内容，引起了艺术界的担忧。为缓解这一问题，我们提出了版权插件授权框架，引入了三种操作：添加、提取和组合。添加涉及针对特定版权训练版权插件，促进适当的署名归属。提取允许创作者从侵权模型中收回版权，组合则使用户能够合并不同的版权插件。这些操作充当许可，激励合理使用并提供授权的灵活性。我们提出了创新方法：用于提取的“反向LoRA”和用于无缝组合的“EasyMerge”。在艺术家风格复制和卡通IP再现方面的实验证明了版权插件的有效性，为生成式AI时代的人类版权保护提供了有价值的解决方案。代码可在 https://github.com/zc1023/-Plug-in-Authorization.git 获取。
引用
@article{arxiv.2404.11962,
title = {\copyright Plug-in Authorization for Human Content Copyright Protection in Text-to-Image Model},
author = {Chao Zhou and Huishuai Zhang and Jiang Bian and Weiming Zhang and Nenghai Yu},
journal= {arXiv preprint arXiv:2404.11962},
year = {2025}
}
备注
23 pages, 12 figures