SITA：针对风格化图像生成的结构不可感知且可迁移的对抗攻击
计算机视觉与模式识别
2025-03-26 v1
摘要
图像生成技术为各个领域带来了显著进步，但也引发了对数据滥用和潜在侵权问题的担忧，尤其是在创作视觉艺术作品方面。当前旨在保护艺术作品的方法通常采用对抗攻击。然而，这些方法面临可迁移性差、计算成本高以及引入明显噪声等挑战，从而损害了原始艺术作品的美学质量。为了解决这些局限性，我们提出了一种结构不可感知且可迁移的对抗攻击 (SITA)。SITA 利用基于 CLIP 的去风格化损失，解耦并破坏图像的鲁棒风格表示。这种破坏阻碍了风格化图像生成过程中的风格提取，从而损害了整体风格化过程。重要的是，SITA 消除了对代理扩散模型的需求，从而显著降低了计算开销。该方法对鲁棒风格特征的破坏确保了其在不同模型间的高可迁移性。此外，SITA 通过将噪声嵌入图像不可感知的结构细节中来引入扰动。这种方法在不损害艺术作品视觉质量的情况下，有效防止了风格提取。大量实验表明，SITA 在风格化生成中为艺术作品提供了卓越的防未授权使用保护。在可迁移性、计算效率和噪声不可感知性方面，它显著优于现有方法。代码可在 https://github.com/A-raniy-day/SITA 获取。
引用
@article{arxiv.2503.19791,
title = {SITA: Structurally Imperceptible and Transferable Adversarial Attacks for Stylized Image Generation},
author = {Jingdan Kang and Haoxin Yang and Yan Cai and Huaidong Zhang and Xuemiao Xu and Yong Du and Shengfeng He},
journal= {arXiv preprint arXiv:2503.19791},
year = {2025}
}