通过跨图像一致性约束保护文本到图像生成的隐私
计算机视觉与模式识别
2026-05-29 v3
摘要
扩散模型和个性化技术的快速发展使得仅凭少数公开可用的图像即可重建个体肖像成为可能。虽然这些能力赋能了各种创意应用，但也引入了严重的隐私问题，因为对手可以利用它们生成高度逼真的模仿物。为抵消这些威胁，提出了 anti-personalization 方法，通过向已发布的图像添加对抗性扰动来干扰个性化模型的训练。然而，现有方法基本上忽略了个性化的本质多图像特性，采用了在单图像设置中常见的独立应用扰动的简单策略。这忽略了利用图像间关系以获得更强隐私保护的机会。因此，我们提出一种从组层面视角来考虑针对个性化的隐私保护。具体而言，我们引入跨图像反个性化 (CAP) 框架，通过在扰动后的图像之间强制风格一致性来增强对个性化的抵抗力。此外，我们开发了动态比例调整策略，在攻击迭代过程中自适应地平衡一致性损失的影响。在经典的 CelebHQ 和 VGGFace2 数据集上进行大量实验表明，CAP 显著性地改进了现有方法。
引用
@article{arxiv.2504.12747,
title = {Privacy Protection Against Personalized Text-to-Image Synthesis via Cross-image Consistency Constraints},
author = {Guanyu Wang and Kailong Wang and Yihao Huang and Mingyi Zhou and Geguang Pu and Li Li},
journal= {arXiv preprint arXiv:2504.12747},
year = {2026}
}