EKILA：面向生成式艺术的合成媒体来源追溯与归属框架
计算机视觉与模式识别
2023-04-11 v1 人工智能
摘要
我们提出 EKILA；一个去中心化框架，使创作者能因对生成式 AI（GenAI）的贡献而获得认可与回报。EKILA 提出一种鲁棒的视觉归属技术，并将其与新兴的内容来源标准（C2PA）结合，以解决合成图像来源问题——确定 responsible for 一幅 AI 生成图像的生成模型与训练数据。此外，EKILA 扩展了非同质化代币（NFT）生态，引入一种用于权利的代币化表示，在资产的归属权（Ownership）、权利（Rights）与归属（Attribution）（ORA）之间建立三角关系。利用 ORA 关系使创作者能够表达对训练同意的自主权，并通过我们的归属模型获得按比例分配的信用，包括其资产在 GenAI 中使用时的版税支付。
引用
@article{arxiv.2304.04639,
title = {EKILA: Synthetic Media Provenance and Attribution for Generative Art},
author = {Kar Balan and Shruti Agarwal and Simon Jenni and Andy Parsons and Andrew Gilbert and John Collomosse},
journal= {arXiv preprint arXiv:2304.04639},
year = {2023}
}
备注
Proc. CVPR Workshop on Media Forensics 2023