高频 Anti-DreamBooth：针对个性化图像合成的鲁棒防御
计算机视觉与模式识别
2024-11-05 v3
摘要
最近，文本到图像生成模型被滥用于创建未经授权的个人恶意图像，这日益成为一个社会问题。以前的解决方案（如 Anti-DreamBooth）通过向图像添加对抗噪声来保护其不被用作恶意生成的训练数据。然而，我们发现这些对抗噪声可以通过诸如 DiffPure 等对抗净化方法去除。因此，我们提出了一种新的对抗攻击方法，在图像的高频区域添加强扰动，使其对对抗净化更具鲁棒性。我们的实验表明，对抗图像在对抗净化后仍保留了噪声，从而阻碍了恶意图像的生成。
引用
@article{arxiv.2409.08167,
title = {High-Frequency Anti-DreamBooth: Robust Defense against Personalized Image Synthesis},
author = {Takuto Onikubo and Yusuke Matsui},
journal= {arXiv preprint arXiv:2409.08167},
year = {2024}
}
备注
ECCV 2024 Workshop The Dark Side of Generative AIs and Beyond. Our code is available at https://github.com/mti-lab/HF-ADB