LCMem：面向鲁棒图像记忆检测的通用模型
计算机视觉与模式识别
2025-12-17 v1
摘要
近期的生成式图像建模取得了足以欺骗人类专家的视觉逼真度，但其在 privacy preserving data sharing 方面的潜能尚未得到充分理解。一个核心障碍是缺乏可靠的记忆检测机制，现有隐私审计方法在定量评估和跨域泛化方面表现不佳。为此，我们提出将记忆检测视为 re-identification 与 copy detection 交叉点的统一问题，其互补目标覆盖 identity consistency 和 augmentation-robust duplication。我们引入 Latent Contrastive Memorization Network（LCMem），一个在两个任务上进行 cross-domain 评估的模型。LCMem 通过两个阶段的训练策略实现：首先学习 identity consistency，然后融入 augmentation-robust copy detection。在六个 benchmark 数据集上，LCMem 在 re-identification 和 copy detection 上的性能分别提升了最高可达 16 个百分点和 30 个百分点，显著提高了大规模记忆检测的可靠性。我们的结果表明，现有的 privacy filter 提供的性能和鲁棒性有限，凸显了更强保护机制的需求。我们展示 LCMem 为 cross-domain 隐私审计设立了新标准，提供可靠且可扩展的记忆检测。代码和模型可在 https://github.com/MischaD/LCMem 公开获取。
引用
@article{arxiv.2512.14421,
title = {LCMem: A Universal Model for Robust Image Memorization Detection},
author = {Mischa Dombrowski and Felix Nützel and Bernhard Kainz},
journal= {arXiv preprint arXiv:2512.14421},
year = {2025}
}