Hijack-GAN：预训练黑盒 GAN 的意外用途
计算机视觉与模式识别
2024-10-25 v3 密码学与安全
摘要
尽管生成对抗网络（GANs）展现出日益提升的性能且真实感水平已与自然图像难以区分，但这也带来对数据和计算的高需求。我们表明，最先进的 GAN 模型——如研究者和产业界公开发布的那些——可被用于一系列超出无条件图像生成的应用。我们通过一种迭代方案实现这一点，该方案即使在最新 GAN 模型高度非线性的潜空间下也能获得对图像生成过程的控制。我们证明，这开启了重用最先进、难以训练、预训练 GAN 的可能性，且即便仅授予黑盒访问权限也能实现高度控制。我们的工作也引发关切与警觉：已发布 GAN 模型的使用场景很可能超出创建者意图，在完全公开发布前需将此纳入考量。代码见 https://github.com/hui-po-wang/hijackgan。
引用
@article{arxiv.2011.14107,
title = {Hijack-GAN: Unintended-Use of Pretrained, Black-Box GANs},
author = {Hui-Po Wang and Ning Yu and Mario Fritz},
journal= {arXiv preprint arXiv:2011.14107},
year = {2024}
}
备注
Accepted by CVPR 2021