从“忘却”到“去品牌化”：用于商标安全文本到图像生成的基准
计算机视觉与模式识别
2026-03-31 v2
摘要
文本到图像扩散模型的快速进步引发了关于未经授权复制商标内容的重大担忧。虽然先前工作针对一般概念（如风格、名人）进行处理，但未能解决具体品牌标识符的问题。品牌识别是多维度的，超越了明确的标志，还包括独特的结构特征（例如汽车的前格栅）。为此，我们提出一种新颖任务，即去品牌化（unbranding），即在保留语义一致性的前提下，精细移除商标及其细微结构性品牌特征。我们构建了一个基准数据集，并引入一种新型评估框架，结合视觉语言模型（VLMs）与基于人工标注的分割分类器，评估标志和贸装特征，既弥补了现有品牌检测器未能捕捉抽象贸装的局限。此外，我们观察到较新的、更高保真度系统（SDXL、FLUX）比旧模型更容易合成品牌标识符，这凸显了该挑战的紧迫性。我们的结果确认，去品牌化是一个独特的问题，需要专门技术来解决。项目页面: https://gmum.github.io/UNBRANDING/
引用
@article{arxiv.2512.13953,
title = {From Unlearning to UNBRANDING: A Benchmark for Trademark-Safe Text-to-Image Generation},
author = {Dawid Malarz and Filip Manjak and Maciej Zięba and Przemysław Spurek and Artur Kasymov},
journal= {arXiv preprint arXiv:2512.13953},
year = {2026}
}