如何在无人工水印的情况下追踪潜在生成模型生成的图像？

潜在生成模型(例如Stable Diffusion)日益受欢迎，但关于这些模型生成的图像可能被滥用的担忧日益增长。因此，有必要通过推断特定图像是否由特定潜在生成模型生成来分析图像来源。大多数现有方法(例如图像水印和模型指纹)需要在训练或生成期间执行额外步骤。这些要求限制了其在此类额外操作下生成的图像上的使用，而额外的必需操作可能损害生成图像的质量。本文我们探讨了在不采用上述要求的情况下有效且高效地追踪特定潜在生成模型生成的图像的可能性。为了研究此问题，我们设计了一种称为LatentTracer的潜在反转方法，通过检查所检验图像是否能用反向潜在输入良好重建来追踪被检验模型生成的图像。我们利用基于梯度的潜在反转方法，并识别一种encoder-based初始化对我们方法成功至关重要。我们在最先进的潜在生成模型上进行实验，如Stable Diffusion，显示我们的该方法在高准确性和高效性方面能够区分由被检验模型生成的图像和其他图像。我们的发现表明，今天的潜在生成生成的图像天然地被来自源模型中使用的解码器水印化。