编辑失踪了？面向 AIGC 版权归属的 $\lambda$-Compass
计算机视觉与模式识别
2025-02-10 v1 人工智能
人机交互
机器学习
摘要
近期扩散模型的进步推动了文本引导图像编辑工具的增长，使其能够实现对合成内容的精确和迭代修改。然而，随着这些工具变得日益可及，它们也引入了滥用风险，凸显了确保内容真实性和可追溯性的关键需求。尽管这些工具具有巨大的创造潜力，但在对抗性环境下进行编辑（可层叠以掩盖图像来源）时，仍为版权归属带来了显著挑战。我们提出 LambdaTracer，一种新型的潜在空间版权归属方法，能够在不要求修改生成或编辑管道的情况下，稳健地识别和区分真实输出与被编辑后的输出。通过自适应校准重建损失，LambdaTracer 在各种迭代编辑过程中保持有效，无论是通过文本引导的编辑工具（如 InstructPix2Pix 和 ControlNet）自动化，还是通过诸如 Adobe Photoshop 等编辑软件进行手动编辑。广泛实验表明，我们的方法在区分被恶意编辑的图像方面 consistently 优于基线方法，为在开放、快速演化的 AI 生态系统中保障所有权、创意和可信度提供了实用解决方案。
关键词
引用
@article{arxiv.2502.04364,
title = {Lost in Edits? A $\lambda$-Compass for AIGC Provenance},
author = {Wenhao You and Bryan Hooi and Yiwei Wang and Euijin Choo and Ming-Hsuan Yang and Junsong Yuan and Zi Huang and Yujun Cai},
journal= {arXiv preprint arXiv:2502.04364},
year = {2025}
}