评估扩散模型个人化的对抗性保护：综合研究
计算机视觉与模式识别
2025-07-08 v1 人工智能
摘要
随着扩散模型在图像生成和个人化方面的应用日益增长，关于隐私泄露和内容滥用问题日益受到关注。本研究对比评估了八种基于扰动的保护方法：AdvDM、ASPL、FSGM、MetaCloak、Mist、PhotoGuard、SDS 和 SimAC——在肖像和艺术品领域进行评估。这些方法在不同的扰动预算下进行评估，使用多种指标来评估视觉隐形性和保护效能。我们的结果为方法选择提供了实用指导。代码地址：https://github.com/vkeilo/DiffAdvPerturbationBench。
引用
@article{arxiv.2507.03953,
title = {Evaluating Adversarial Protections for Diffusion Personalization: A Comprehensive Study},
author = {Kai Ye and Tianyi Chen and Zhen Wang},
journal= {arXiv preprint arXiv:2507.03953},
year = {2025}
}
备注
Accepted to the 2nd Workshop on Reliable and Responsible Foundation Models (R2-FM 2025) at ICML. 8 pages, 3 figures