无声的刷子：评估 AI 艺术生成中的艺术风格泄漏
机器学习
2026-05-19 v1 计算机视觉与模式识别
摘要
生成式文本到图像模型通常在大规模网络抓取数据集上进行训练，包括多样化的视觉内容，如受版权保护和具有特定风格的艺术作品，这引发了所有权、归属和意外重复使用受保护视觉表达的担忧。一个关键问题是，模型可以从数据中学习风格模式，并在没有任何提示明确参考的情况下在生成输出中复现这些风格。我们称这种现象为 The Silent Brush，即使在未请求时，这些已学习的风格仍会重新出现。现有的评估方法主要关注近似重复检索或成员推断，不考虑这种在提示跨度上的意外风格复现。为弥补这些差距，我们首先制定了评估 The Silent Brush 的指导原则。然后，我们引入了 Art Arena，这是一种评估协议，衡量艺术作品被编码的强度、它们如何相互作用以及它们的风格特征在没有明确提及提示的情况下在生成输出中出现的频率。我们在广泛使用的文本到图像扩散模型上评估了 Art Arena，包括 Stable Diffusion v1.5、Stable Diffusion XL（SDXL）和 SANA-1.5，并设计其可推广到各种文本到图像生成系统。我们的结果表明，The Silent Brush 源于艺术作品在表示力度和相互作用动态之间的差异，导致模型生成中的非对称混合。代码和评估资源可在：https://anonymous.4open.science/r/ArtArena-EBE4 上获取。
引用
@article{arxiv.2605.17500,
title = {The Silent Brush: Evaluating Artistic Style Leakage in AI Art Generation},
author = {Ninad Joshi and Ashutosh Ranjan and Vivek Srivastava and Shirish Karande},
journal= {arXiv preprint arXiv:2605.17500},
year = {2026}
}