识别文本到图像排行榜背后的模型
计算机视觉与模式识别
2026-01-15 v1 密码学与安全
机器学习
摘要
文本到图像（T2I）模型日益普及，生成了在线AI生成图像的很大一部分。为了比较模型质量，基于投票的排行榜已成为标准，其依赖于匿名化的模型输出以保证公平性。在这项工作中，我们表明这种匿名性可以轻易被打破。我们发现，每个T2I模型生成的图像在图像嵌入空间中形成独特的簇，从而能够在无需提示控制或训练数据的情况下实现准确的去匿名化。使用22个模型和280个提示（15万张图像），我们基于质心的方法实现了高准确率，并揭示了系统性的模型特定特征。我们进一步引入了一个提示级可区分性度量，并进行了大规模分析，展示了某些提示如何导致近乎完美的可区分性。我们的发现暴露了T2I排行榜中的根本性安全缺陷，并促使人们采用更强的匿名化防御措施。
引用
@article{arxiv.2601.09647,
title = {Identifying Models Behind Text-to-Image Leaderboards},
author = {Ali Naseh and Yuefeng Peng and Anshuman Suri and Harsh Chaudhari and Alina Oprea and Amir Houmansadr},
journal= {arXiv preprint arXiv:2601.09647},
year = {2026}
}