Protect-Your-IP: 针对个性化生成的可扩展溯源与归因方法
计算机视觉与模式识别
2024-05-28 v1
摘要
随着个性化生成模型的出现，用户可以更轻松地创建与现有内容相似的图像，从而增加了侵犯肖像权和知识产权的风险。针对人工智能生成内容的传统事后检测和溯源方法采用主动水印方法；然而，这些方法对个性化生成模型的效果较差。此外，人工智能生成内容的归因技术依赖于被动检测，但通常难以区分人工智能生成内容与真实图像，这构成了重大挑战。将这两个过程整合到一个统一的框架中，不仅满足了保护和取证的实践需求，还提高了归因任务的有效性。受此启发，我们提出了一种统一的图像版权溯源与归因方法，引入了一种创新的水印-归因方法，融合了主动和被动策略。我们将版权水印嵌入受保护图像，并训练一个水印解码器从个性化模型的输出中检索版权信息，将此水印作为确认图像是否为人工智能生成内容的初始步骤。为了精确定位具体的生成技术，我们利用强大的视觉骨干网络进行分类。此外，我们实施了一种增量学习策略，以在不丢失先前知识的情况下灵活地归因新的个性化模型，从而增强模型对新生成方法的适应性。我们使用从网络获取的各种名人肖像系列进行了实验，结果证实了我们的方法在溯源和归因任务中的有效性，以及其对知识遗忘的鲁棒性。
引用
@article{arxiv.2405.16596,
title = {Protect-Your-IP: Scalable Source-Tracing and Attribution against Personalized Generation},
author = {Runyi Li and Xuanyu Zhang and Zhipei Xu and Yongbing Zhang and Jian Zhang},
journal= {arXiv preprint arXiv:2405.16596},
year = {2024}
}