ProMark: 用于因果归因的主动扩散水印
计算机视觉与模式识别
2024-03-18 v1
摘要
生成式人工智能（GenAI）通过基于高级提示合成和操作图像的能力，正在改变创意工作流程。然而，创作者在其内容被用于GenAI训练时，并未得到充分的认可或奖励。为此，我们提出了ProMark，一种因果归因技术，用于将合成生成的图像归因于其训练数据概念，如物体、主题、模板、艺术家或风格。概念信息通过不可感知的水印主动嵌入到输入训练图像中，并且扩散模型（无条件或条件）被训练以在生成的图像中保留相应的水印。我们展示了可以在训练数据中嵌入多达 个唯一水印，并且每个训练图像可以包含多个水印。ProMark 可以在保持图像质量的同时优于基于相关性的归因。最后，我们给出了几个定性示例，提供了信心，即水印的存在传达了训练数据与合成图像之间的因果关系。
引用
@article{arxiv.2403.09914,
title = {ProMark: Proactive Diffusion Watermarking for Causal Attribution},
author = {Vishal Asnani and John Collomosse and Tu Bui and Xiaoming Liu and Shruti Agarwal},
journal= {arXiv preprint arXiv:2403.09914},
year = {2024}
}
备注
Accepted to CVPR 2024