生成的守护者：面向 AI 图像生成的自适应引导动态推理时版权屏蔽
计算机视觉与模式识别
2025-03-21 v1
摘要
现代文本到图像生成模型可能会无意中重现其训练数据中记忆的受版权保护的内容，引发了对潜在版权侵权的严重担忧。我们引入了 Guardians of Generation，一个与模型无关的推理时框架，用于 AI 图像生成中的动态版权屏蔽。我们的方法不需要对生成模型权重进行重新训练或修改，而是与现有的扩散流水线无缝集成。它通过包含三个组件的自适应引导机制来增强生成过程：检测模块、提示重写模块和引导调整模块。检测模块监控用户提示和中间生成步骤，以在受版权保护的内容显现于最终输出之前识别其特征。如果检测到此类内容，提示重写机制通过净化或替换可能触发受版权保护材料的引用，动态转换用户的提示，同时保留提示的预期语义。自适应引导模块通过调节模型的采样轨迹，自适应地将扩散过程引导远离被标记的内容。这些组件共同形成了一个坚固的屏蔽，能够在保持创作保真度和确保版权合规之间实现可调平衡。我们在 Stable Diffusion、SDXL 和 Flux 等多种生成模型上验证了我们的方法，结果表明受版权保护内容的生成大幅减少，且对输出保真度或与用户意图的对齐影响微乎其微。这项工作为生成式图像模型提供了一种实用的即插即用保护措施，使其能够在现实世界的版权约束下更负责任地部署。源代码可在：https://respailab.github.io/gog 获取
引用
@article{arxiv.2503.16171,
title = {Guardians of Generation: Dynamic Inference-Time Copyright Shielding with Adaptive Guidance for AI Image Generation},
author = {Soham Roy and Abhishek Mishra and Shirish Karande and Murari Mandal},
journal= {arXiv preprint arXiv:2503.16171},
year = {2025}
}