DiffVax：针对扩散式编辑的无优化图像免疫化
计算机视觉与模式识别
2026-02-05 v2
摘要
当前针对扩散式编辑的图像免疫化防御技术通过嵌入目标图像中难以察觉的噪声来干扰编辑模型。但这些方法面临可扩展性挑战，因为它们需要为每个图像单独进行耗时的优化，小批量处理需要数小时。为解决这些挑战，我们引入 DiffVax，一个面向图像免疫化的轻量级、无优化框架，专为防止扩散式编辑而设计。我们的方法能够有效地针对未见内容进行推广，降低计算成本，将免疫化时间从天降至毫秒，实现了 25 万倍的加速。这是通过一个确保编辑尝试失败且扰动难以察觉的损失项实现的。广泛的定性和定量结果表明，我们的模型可扩展、无优化、可适应各种扩散式编辑工具，对抗反击攻击具有鲁棒性，并且首次有效地保护了视频内容免受编辑。更多细节请参见 https://diffvax.github.io/。
引用
@article{arxiv.2411.17957,
title = {DiffVax: Optimization-Free Image Immunization Against Diffusion-Based Editing},
author = {Tarik Can Ozden and Ozgur Kara and Oguzhan Akcin and Kerem Zaman and Shashank Srivastava and Sandeep P. Chinchali and James M. Rehg},
journal= {arXiv preprint arXiv:2411.17957},
year = {2026}
}
备注
Accepted into ICLR 2026. Project webpage: https://diffvax.github.io/